本文關(guān)鍵詞：旋轉(zhuǎn)機(jī)械故障的檢測與診斷，由筆耕文化傳播整理發(fā)布。

【摘要】：在旋轉(zhuǎn)機(jī)械的使用過程中,故障常常難以避免,一旦某一機(jī)械部件出現(xiàn)缺陷,則會影響整個(gè)機(jī)器的正常運(yùn)行。為了盡可能減少不必要的災(zāi)害的發(fā)生,及時(shí)的發(fā)現(xiàn)并檢查出故障的問題所在是極為所需的。因?yàn)闈L動軸承是機(jī)械設(shè)備中常用的部件之一,所以本文主要針對滾動軸承的缺陷來進(jìn)行檢測和診斷。 對機(jī)械故障信號的診斷主要分三步：首先,獲取故障信號；其次,對故障信號進(jìn)行特征提取；最后,對信號進(jìn)行檢測和診斷。本文中的滾動軸承故障檢測也是這樣一個(gè)步驟。 首先,為權(quán)威起見,本文中用于研究、測試的數(shù)據(jù)來源于為業(yè)內(nèi)學(xué)者所公用的美國西儲大學(xué)的故障軸承實(shí)驗(yàn)數(shù)據(jù)；其次,本文采用小波分析的小波分解、重構(gòu)和希爾伯特包絡(luò)譜分析方法,通過Matlab軟件的實(shí)現(xiàn),完成了對故障數(shù)據(jù)的特征提取；最后,本文引入了樸素貝葉斯分類算法,將故障診斷看作一個(gè)分類的過程。為了能夠更好地應(yīng)用樸素貝葉斯分類算法,本文將提取到的取值連續(xù)的特征屬性進(jìn)行離散化處理,新得到的特征屬性也能夠完整地表達(dá)故障數(shù)據(jù),并且易于在樸素貝葉斯分類算法中的實(shí)現(xiàn)。對本文實(shí)現(xiàn)的故障診斷系統(tǒng)進(jìn)行測試后發(fā)現(xiàn),系統(tǒng)診斷準(zhǔn)確率較高。從創(chuàng)新角度講,對于機(jī)械故障診斷,這是將小波包絡(luò)譜分析和樸素貝葉斯分類算法的新穎結(jié)合,且診斷效果好,可擴(kuò)展性強(qiáng),能夠根據(jù)需要應(yīng)用在除滾動軸承外的其他機(jī)械故障診斷中。
【關(guān)鍵詞】：小波分析 包絡(luò)譜分析 樸素貝葉斯分類 滾動軸
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TH165.3
【目錄】：

• 摘要4-5
• ABSTRACT5-7
• 目錄7-9
• 第一章 緒論9-17
• 1.1 研究背景及意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀和趨勢10-11
• 1.3 常用的滾動軸承的故障檢測與診斷方法介紹11-15
• 1.3.1 時(shí)域分析方法12-13
• 1.3.2 頻域分析方法13-15
• 1.4 主要研究內(nèi)容15-17
• 第二章 特征提取在時(shí)頻域內(nèi)的方法分析17-26
• 2.1 時(shí)域和頻域中的方法分析17-24
• 2.2.1 時(shí)域分析17
• 2.2.2 頻域分析17-19
• 2.2.3 時(shí)-頻域分析19-24
• 2.2 包絡(luò)譜分析24-25
• 2.3 本章小結(jié)25-26
• 第三章 基于小波分析和包絡(luò)譜分析的故障特征提取26-43
• 3.1 滾動軸承故障失效常見形式26-29
• 3.1.1 滾動軸承上的常見振動和噪聲26-28
• 3.1.2 滾動軸承的故障特征頻率計(jì)算28-29
• 3.2 幾種常用的小波函數(shù)29-31
• 3.2.1 Haar小波29-30
• 3.2.2 Daubechies小波30-31
• 3.3 滾動軸承數(shù)據(jù)的小波分析和包絡(luò)譜分析31-40
• 3.4 滾動軸承數(shù)據(jù)的小波包絡(luò)自動特征提取技術(shù)40-42
• 3.5 本章小結(jié)42-43
• 第四章 基于樸素貝葉斯分類算法的故障檢測與診斷43-54
• 4.1 特征頻率的預(yù)處理43-45
• 4.2 基于樸素貝葉斯分類算法的機(jī)械故障檢測45-48
• 4.2.1 貝葉斯定理45-46
• 4.2.2 樸素貝葉斯分類算法46-48
• 4.3 基于故障數(shù)據(jù)的建模子系統(tǒng)48-49
• 4.4 故障診斷子系統(tǒng)49-50
• 4.5 實(shí)驗(yàn)結(jié)果分析50-53
• 4.6 本章小結(jié)53-54
• 第五章 結(jié)論與展望54-56
• 5.1 結(jié)論54-55
• 5.2 展望55-56
• 參考文獻(xiàn)56-61
• 附錄61-62
• 致謝62

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 李鋼;周東華;;基于SPM的多變量連續(xù)過程在線故障預(yù)測方法[J];化工學(xué)報(bào);2008年07期

2 陳果;;滾動軸承早期故障的特征提取與智能診斷[J];航空學(xué)報(bào);2009年02期

3 王紅軍;徐小力;張建民;;設(shè)備狀態(tài)趨勢的SVM預(yù)示技術(shù)研究[J];機(jī)械科學(xué)與技術(shù);2006年04期

4 荊雙喜,冷軍發(fā),李臻;基于小波包分析的機(jī)械故障特征提取方法研究[J];煤礦機(jī)械;2003年03期

5 段晨東;何正嘉;;基于第二代小波變換的轉(zhuǎn)子碰摩故障特征提取方法[J];汽輪機(jī)技術(shù);2006年01期

6 李凌均,張周鎖,何正嘉;基于支持向量機(jī)的機(jī)械設(shè)備狀態(tài)趨勢預(yù)測研究[J];西安交通大學(xué)學(xué)報(bào);2004年03期

7 周福昌;陳進(jìn);何俊;畢果;張桂才;李富才;;循環(huán)平穩(wěn)信號處理在機(jī)械設(shè)備故障診斷中的應(yīng)用綜述[J];振動與沖擊;2006年05期

  本文關(guān)鍵詞：旋轉(zhuǎn)機(jī)械故障的檢測與診斷，由筆耕文化傳播整理發(fā)布。

，

本文編號：388837