發(fā)布時(shí)間：2017-05-23 19:18

  本文關(guān)鍵詞：多變量預(yù)測(cè)模型在滾動(dòng)軸承故障診斷中的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：作為機(jī)械設(shè)備中使用最多的零部件之一，滾動(dòng)軸承同時(shí)也是特別容易損壞的零部件之一，往往滾動(dòng)軸承的故障最終會(huì)引發(fā)整個(gè)機(jī)械設(shè)備的失效，因此對(duì)軸承的運(yùn)行狀況進(jìn)行實(shí)時(shí)監(jiān)測(cè)和診斷有著十分重要的意義。在針對(duì)滾動(dòng)軸承的諸多故障診斷方法中，應(yīng)用最廣泛的是基于軸承振動(dòng)信號(hào)的診斷方法。實(shí)際上，基于振動(dòng)信號(hào)對(duì)滾動(dòng)軸承進(jìn)行故障診斷本質(zhì)上就是一個(gè)模式識(shí)別的過程。模式識(shí)別的過程是首先對(duì)振動(dòng)信號(hào)提取特征值，然后利用分類器對(duì)特征值實(shí)現(xiàn)分類識(shí)別。 基于此，論文開展了變量預(yù)測(cè)模型的模式識(shí)別（Variable predictive model basedclass discriminate，簡(jiǎn)稱VPMCD）方法在滾動(dòng)軸承故障診斷中的應(yīng)用研究，主要研究?jī)?nèi)容如下： 1、要對(duì)滾動(dòng)軸承進(jìn)行模式識(shí)別首先就要對(duì)軸承信號(hào)進(jìn)行特征值的提取，但采集的滾動(dòng)軸承振動(dòng)信號(hào)通常具有非平穩(wěn)性，需要對(duì)信號(hào)進(jìn)行預(yù)處理，論文研究了局部特征尺度分解（Local characteristic scale decomposition，簡(jiǎn)稱LCD）方法在滾動(dòng)軸承故障診斷中的應(yīng)用，實(shí)驗(yàn)證明該方法的分解速度和降噪能力都很好。 2、分類器的精度還決定于模式識(shí)別方法的優(yōu)劣，在模式識(shí)別方法中，VPMCD是一種新的模式識(shí)別方法，，論文研究了VPMCD方法的基本原理，并對(duì)VPMCD方法在滾動(dòng)軸承故障診斷中的應(yīng)用進(jìn)行了研究，實(shí)驗(yàn)結(jié)果驗(yàn)證了VPMCD方法的有效性。 3、針對(duì)VPMCD在參數(shù)估計(jì)過程中的缺陷，對(duì)其進(jìn)行了改進(jìn)，用嶺回歸代替最小二乘來進(jìn)行參數(shù)估計(jì)，消除了自變量之間存在復(fù)共線性關(guān)系對(duì)參數(shù)估計(jì)的影響，最終可以獲得更加精確的模型參數(shù)，從而使得模式識(shí)別精度得到提高。本文對(duì)不同工作狀態(tài)及故障類型下的滾動(dòng)軸承振動(dòng)信號(hào)進(jìn)行了實(shí)驗(yàn)分析，取得了較好的分類效果。 4、針對(duì)少量訓(xùn)練樣本情況下，VPMCD選擇的模型可能不能最貼切地反映自變量之間關(guān)系這一問題，論文提出利用遺傳模擬退火算法對(duì)模型權(quán)值進(jìn)行優(yōu)化，再把得到的最優(yōu)權(quán)值矩陣和對(duì)測(cè)試樣本的預(yù)測(cè)值矩陣進(jìn)行融合，最后以判別函數(shù)實(shí)現(xiàn)分類識(shí)別。通過軸承數(shù)據(jù)對(duì)該方法進(jìn)行驗(yàn)證，結(jié)果驗(yàn)證了該方法的有效性。
【關(guān)鍵詞】：滾動(dòng)軸承 故障診斷 基于變量預(yù)測(cè)模型的模式識(shí)別 嶺回歸 遺傳模擬退火算法
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TH133.33;TH165.3
【目錄】：

• 摘要5-6
• Abstract6-10
• 插圖索引10-11
• 附表索引11-12
• 第一章 緒論12-19
• 1.1 研究的背景和意義12-13
• 1.2 滾動(dòng)軸承故障診斷技術(shù)國(guó)內(nèi)外的研究現(xiàn)狀及發(fā)展趨勢(shì)13-16
• 1.2.1 滾動(dòng)軸承的故障診斷方法13-14
• 1.2.2 滾動(dòng)軸承故障診斷方法的研究現(xiàn)狀和發(fā)展趨勢(shì)14-16
• 1.3 論文的研究思路及內(nèi)容安排16-19
• 1.3.1 論文的研究思路16-17
• 1.3.2 論文的內(nèi)容安排17-19
• 第二章 滾動(dòng)軸承的故障機(jī)理及常見故障診斷方法19-32
• 2.1 滾動(dòng)軸承的主要結(jié)構(gòu)和常見失效形式19-21
• 2.1.1 滾動(dòng)軸承的主要結(jié)構(gòu)19-20
• 2.1.2 滾動(dòng)軸承的常見失效形式20-21
• 2.2 滾動(dòng)軸承的振動(dòng)機(jī)理及滾動(dòng)軸承故障的振動(dòng)特征分析21-25
• 2.2.1 滾動(dòng)軸承振動(dòng)機(jī)理21-22
• 2.2.2 滾動(dòng)軸承故障的振動(dòng)特征分析22-25
• 2.3 滾動(dòng)軸承的故障診斷方法25-31
• 2.3.1 基于振動(dòng)信號(hào)處理方法的滾動(dòng)軸承故障診斷方法25-28
• 2.3.2 滾動(dòng)軸承故障診斷的模式識(shí)別方法28-31
• 2.4 本章小結(jié)31-32
• 第三章 基于 VPMCD 的滾動(dòng)軸承故障診斷方法32-45
• 3.1 變量預(yù)測(cè)模型機(jī)理32-33
• 3.2 基于變量預(yù)測(cè)模型的模式識(shí)別方法33-34
• 3.3 基于多個(gè)特征值和 VPMCD 的滾動(dòng)軸承故障診斷34-37
• 3.3.1 基于多個(gè)特征值和 VPMCD 的滾動(dòng)軸承故障診斷方法34-35
• 3.3.2 實(shí)例應(yīng)用35-37
• 3.4 基于 VPMCD 和 LCD 分量波形因子的滾動(dòng)軸承故障診斷37-39
• 3.4.1 基于 VPMCD 和 LCD 分量波形因子的滾動(dòng)軸承故障診斷方法37-38
• 3.4.2 實(shí)例應(yīng)用38-39
• 3.5 VPMCD 及其他模式識(shí)別方法在滾動(dòng)軸承故障診斷中的對(duì)比分析39-44
• 3.5.1 基于 VPMCD 和 LCD 包絡(luò)譜的滾動(dòng)軸承故障診斷方法39-40
• 3.5.2 實(shí)例應(yīng)用40-44
• 3.6 本章小結(jié)44-45
• 第四章 基于嶺回歸的 RVPMCD 的滾動(dòng)軸承故障診斷方法45-54
• 4.1 VPMCD 方法中的回歸算法45-47
• 4.2 基于嶺回歸的 RVPMCD 的滾動(dòng)軸承故障診斷方法47-53
• 4.2.1 嶺回歸47-48
• 4.2.2 基于 RVPMCD 方法的滾動(dòng)軸承故障診斷方法48-49
• 4.2.3 實(shí)例應(yīng)用49-53
• 4.3 本章小結(jié)53-54
• 第五章 基于遺傳模擬退火算法的 VPMCD 滾動(dòng)軸承故障診斷方法54-63
• 5.1 遺傳模擬退火方法55-57
• 5.1.1 模擬退火算法55-56
• 5.1.2 遺傳模擬退火方法56-57
• 5.2 基于 GSAA 的 VPMCD 滾動(dòng)軸承故障診斷方法57-62
• 5.2.1 基于 GSAA 的 VPMCD 滾動(dòng)軸承診斷方法57-59
• 5.2.2 方法應(yīng)用59-62
• 5.3 本章小結(jié)62-63
• 結(jié)論與展望63-65
• 參考文獻(xiàn)65-69
• 致謝69-70
• 附錄A 攻讀學(xué)位期間發(fā)表和錄用的論文目錄70-71
• 附錄B 攻讀學(xué)位期間參與的科研項(xiàng)目71

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 張曼;劉旭華;何雄奎;張錄達(dá);趙龍蓮;李軍會(huì);;嶺回歸在近紅外光譜定量分析及最優(yōu)波長(zhǎng)選擇中的應(yīng)用研究[J];光譜學(xué)與光譜分析;2010年05期

2 麻金繼;李素文;;基于穩(wěn)健回歸M估計(jì)的差分吸收光譜反演方法(英文)[J];光子學(xué)報(bào);2009年08期

3 高朋飛;許同樂;侯蒙蒙;郎學(xué)政;李磊;;小波SVM核函數(shù)法在滾動(dòng)軸承故障診斷中的應(yīng)用[J];軸承;2013年12期

4 崔建國(guó);李忠海;張大千;王旭;韓志仁;曲學(xué)軍;;復(fù)雜性測(cè)度在肌電信號(hào)模式識(shí)別中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2006年11期

5 沈紅;胡玉蘭;李雪梅;;改進(jìn)遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)在智能故障診斷中的應(yīng)用[J];機(jī)械設(shè)計(jì)與制造;2009年03期

6 ;Boundary-processing-technique in EMD method and Hilbert transform[J];Chinese Science Bulletin;2001年11期

7 劉占生;竇唯;王東華;王曉偉;;基于遺傳算法的旋轉(zhuǎn)機(jī)械故障診斷方法融合[J];機(jī)械工程學(xué)報(bào);2007年10期

8 車紅昆;呂福在;項(xiàng)占琴;;多特征SVM-DS融合決策的缺陷識(shí)別[J];機(jī)械工程學(xué)報(bào);2010年16期

9 呂建新;吳虎勝;來凌紅;吳廬山;趙法棟;;基于IMF復(fù)雜度和RBF網(wǎng)絡(luò)的配氣機(jī)構(gòu)故障診斷[J];計(jì)算機(jī)測(cè)量與控制;2011年05期

10 費(fèi)智;符平;;我國(guó)風(fēng)電發(fā)展的態(tài)勢(shì)分析與對(duì)策建議[J];科技進(jìn)步與對(duì)策;2011年10期

  本文關(guān)鍵詞：多變量預(yù)測(cè)模型在滾動(dòng)軸承故障診斷中的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：388872