本文關(guān)鍵詞：基于EMD和SVM的滾動(dòng)軸承故障診斷研究，由筆耕文化傳播整理發(fā)布。

【摘要】：摘要：滾動(dòng)軸承是機(jī)械設(shè)備中應(yīng)用最為廣泛的一種關(guān)鍵部件,也是最易損壞的部件,因此對軸承工作狀態(tài)的檢測與診斷具有重要的理論研究價(jià)值和實(shí)際應(yīng)用意義。 首先介紹了滾動(dòng)軸承的研究現(xiàn)狀和研究方法,分析了滾動(dòng)軸承的振動(dòng)機(jī)理,通過分析滾動(dòng)軸承的頻率特性,獲得了滾動(dòng)軸承內(nèi)圈、外圈和滾動(dòng)體的故障頻率。針對采集的振動(dòng)信號特點(diǎn),提出了采用小波包降噪的技術(shù)來去除信號中的噪聲。 其次,針對各種時(shí)頻分析的方法,選取HHT變換,并引入CEEMD方法進(jìn)行滾動(dòng)軸承故障的特征提取。采用一種極值域分解算法對端點(diǎn)進(jìn)行鏡像延拓,從而改進(jìn)了EMD分解中的端點(diǎn)效應(yīng)和模態(tài)混疊現(xiàn)象。通過對比小波分析,驗(yàn)證了此方法分解信號的的準(zhǔn)確性。根據(jù)軸承信號的振動(dòng)特性,將分解的IMF進(jìn)行降維,獲取信號的奇異值和能量值,并將該奇異值和能量值組成滾動(dòng)軸承診斷的特征向量集。 最后,根據(jù)SVM分類的原理,采用參數(shù)優(yōu)化方法對特征向量進(jìn)行訓(xùn)練,并實(shí)現(xiàn)對未知狀態(tài)信號的分類識別,具有較高的分類準(zhǔn)確率。
【關(guān)鍵詞】：滾動(dòng)軸承 希爾伯特黃變換 經(jīng)驗(yàn)?zāi)B(tài)分解 故障診斷 支持向量機(jī)
【學(xué)位授予單位】：中南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TH133.33;TH165.3
【目錄】：

• 摘要4-5
• Abstract5-6
• 目錄6-8
• 1 緒論8-16
• 1.1 課題研究的背景和意義8-9
• 1.1.1 機(jī)械故障診斷概述8
• 1.1.2 滾動(dòng)軸承故障診斷意義8-9
• 1.2 滾動(dòng)軸承故障診斷研究現(xiàn)狀及發(fā)展趨勢9-10
• 1.2.1 國外研究現(xiàn)狀9-10
• 1.2.2 國內(nèi)研究現(xiàn)狀10
• 1.2.3 滾動(dòng)軸承故障診斷的發(fā)展趨勢10
• 1.3 振動(dòng)信號處理方法研究現(xiàn)狀10-12
• 1.3.1 時(shí)域分析方法10-11
• 1.3.2 頻域分析方法11
• 1.3.3 時(shí)頻分析方法11-12
• 1.4 SVM研究現(xiàn)狀12
• 1.5 論文的主要研究內(nèi)容和結(jié)構(gòu)12-16
• 2 滾動(dòng)軸承振動(dòng)機(jī)理及故障分析方法16-30
• 2.1 滾動(dòng)軸承的結(jié)構(gòu)16-17
• 2.2 滾動(dòng)軸承振動(dòng)信號的特征17-18
• 2.3 滾動(dòng)軸承的主要失效形式18
• 2.4 滾動(dòng)軸承的故障診斷理論18-20
• 2.4.1 滾動(dòng)軸承的固有振動(dòng)頻率18-19
• 2.4.2 滾動(dòng)軸承的故障頻率計(jì)算公式19-20
• 2.5 滾動(dòng)軸承振動(dòng)參數(shù)及分析方法20-23
• 2.5.1 滾動(dòng)軸承振動(dòng)參數(shù)20-21
• 2.5.2 滾動(dòng)軸承振動(dòng)信號分析方法21-23
• 2.6 滾動(dòng)軸承故障診斷實(shí)驗(yàn)系統(tǒng)及信號預(yù)處理23-29
• 2.6.1 滾動(dòng)軸承實(shí)驗(yàn)平臺(tái)23-25
• 2.6.2 滾動(dòng)軸承信號預(yù)處理及時(shí)域、頻域分析25-29
• 2.7 本章小結(jié)29-30
• 3 滾動(dòng)軸承特征提取HHT分析方法研究30-54
• 3.1 時(shí)頻分析概述30-32
• 3.1.1 短時(shí)傅里葉變換30-31
• 3.1.2 Wigner—Ville分布31
• 3.1.3 小波變換31-32
• 3.2 Hilbert-Huang變換32-41
• 3.2.1 瞬時(shí)頻率和固有模態(tài)函數(shù)33-34
• 3.2.2 EMD方法34-37
• 3.2.3 HSA分析37-39
• 3.2.4 基于EMD的滾動(dòng)軸承信號分析39-41
• 3.3 改進(jìn)的EMD41-49
• 3.3.1 針對局部均值的端點(diǎn)效應(yīng)的處理方法42-44
• 3.3.2 集合經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)44-47
• 3.3.3 互補(bǔ)集合經(jīng)驗(yàn)?zāi)B(tài)分解(CEEMD)47-49
• 3.4 基于CEEMD的滾動(dòng)軸承特征提取49-53
• 3.5 本章小結(jié)53-54
• 4 基于SVM的滾動(dòng)軸承故障識別方法54-70
• 4.1 支持向量機(jī)的統(tǒng)計(jì)理論基礎(chǔ)54-55
• 4.2 支持向量機(jī)的分類原理55-58
• 4.2.1 二類可分線性支持向量機(jī)55-57
• 4.2.2 二類不可分線性支持向量機(jī)57
• 4.2.3 核函數(shù)57-58
• 4.3 基于SVM的滾動(dòng)軸承故障分類識別58-69
• 4.3.1 SVM工具箱簡介61-62
• 4.3.2 使用不同核函數(shù)時(shí)的分類效果62-63
• 4.3.3 c和g參數(shù)優(yōu)化方法63-68
• 4.3.4 實(shí)驗(yàn)結(jié)果68-69
• 4.4 本章小結(jié)69-70
• 5 總結(jié)與展望70-72
• 5.1 總結(jié)70-71
• 5.2 展望71-72
• 參考文獻(xiàn)72-76
• 攻讀學(xué)位期間主要的研究成果目錄76-78
• 致謝78

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 胡維平;莫家玲;龔英姬;趙方偉;杜明輝;;經(jīng)驗(yàn)?zāi)B(tài)分解中多種邊界處理方法的比較研究[J];電子與信息學(xué)報(bào);2007年06期

2 林麗;周霆;余輪;;EMD算法中邊界效應(yīng)處理技術(shù)[J];計(jì)算機(jī)工程;2009年23期

3 程軍圣,于德介,楊宇;基于EMD的能量算子解調(diào)方法及其在機(jī)械故障診斷中的應(yīng)用[J];機(jī)械工程學(xué)報(bào);2004年08期

4 袁小芳;王耀南;;基于混沌優(yōu)化算法的支持向量機(jī)參數(shù)選取方法[J];控制與決策;2006年01期

5 張學(xué)工;關(guān)于統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)[J];自動(dòng)化學(xué)報(bào);2000年01期

6 周曉凱，，嚴(yán)普強(qiáng);用小波分析鐵路車輛滾動(dòng)軸承診斷方法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);1996年08期

7 榮海娜;張葛祥;金煒東;;系統(tǒng)辨識中支持向量機(jī)核函數(shù)及其參數(shù)的研究[J];系統(tǒng)仿真學(xué)報(bào);2006年11期

8 王肇琪,付勤毅;滾動(dòng)軸承故障的振動(dòng)檢測方法[J];有色礦山;1999年01期

9 劉明貴;岳向紅;楊永波;李祺;;基于Sym小波和BP神經(jīng)網(wǎng)絡(luò)的基樁缺陷智能化識別[J];巖石力學(xué)與工程學(xué)報(bào);2007年S1期

10 趙榮珍;李超;張優(yōu)云;;機(jī)械故障智能診斷的診斷知識獲取新發(fā)展問題[J];振動(dòng)與沖擊;2007年09期

  本文關(guān)鍵詞：基于EMD和SVM的滾動(dòng)軸承故障診斷研究，由筆耕文化傳播整理發(fā)布。

本文編號：382559