本文關(guān)鍵詞：隱半馬爾科夫模型在滾動(dòng)軸承故障診斷中的研究和應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：滾動(dòng)軸承是各種大型旋轉(zhuǎn)機(jī)械中應(yīng)用最為廣泛的一種通用機(jī)械零部件，同時(shí)也是最易損壞的元件之一，它們?cè)谛D(zhuǎn)機(jī)械中起著至關(guān)重要的作用。據(jù)不完全統(tǒng)計(jì)，旋轉(zhuǎn)機(jī)械的故障大約有30%是由滾動(dòng)軸承故障引起的，可以說滾動(dòng)軸承的好壞直接影響到整個(gè)旋轉(zhuǎn)設(shè)備系統(tǒng)的性能。因此在故障早期能夠及時(shí)、有效地識(shí)別滾動(dòng)軸承所處的故障狀態(tài)，對(duì)預(yù)防軸承進(jìn)一步退化和減少或杜絕重大事故的發(fā)生具有重要意義。 本文針對(duì)滾動(dòng)軸承的故障狀態(tài)識(shí)別問題，在對(duì)其故障機(jī)理和演化規(guī)律分析的基礎(chǔ)上，開展了基于本征模態(tài)能量矩和隱半馬爾科夫模型（HSMM）的滾動(dòng)軸承故障診斷的研究，主要研究內(nèi)容如下： （1）基于本征模態(tài)能量矩的滾動(dòng)軸承振動(dòng)信號(hào)特征提取方法 把具有自適應(yīng)性的經(jīng)驗(yàn)?zāi)B(tài)分解方法應(yīng)用在軸承的故障特征提取中，運(yùn)用更能凸顯出非平穩(wěn)振動(dòng)信號(hào)差異的本征模態(tài)能量矩作為故障信號(hào)的特征向量，并考慮到工程實(shí)際中背景噪聲的影響，提前對(duì)振動(dòng)信號(hào)進(jìn)行了小波閾值去噪預(yù)處理，最大限度地降低了噪聲對(duì)滾動(dòng)軸承特征提取結(jié)果的影響。 （2）基于隱半馬爾科夫模型的滾動(dòng)軸承故障狀態(tài)識(shí)別方法 通常情況下隱半馬爾科夫模型參數(shù)的初始化是由K均值（K-means）聚類方法完成的。由于傳統(tǒng)K-means聚類方法初始聚類中心是隨機(jī)選取的，選取不同的初始中心就會(huì)得到不同的初始均值和方差。為了解決HSMM算法存在的初始化參數(shù)設(shè)置問題，將語音識(shí)別中的初始化方法運(yùn)用到故障診斷中，提出了基于改進(jìn)K-means算法模型初始化方法。在此基礎(chǔ)上，提出了基于本征模態(tài)能量矩和改進(jìn)隱半馬爾科夫模型的滾動(dòng)軸承故障狀態(tài)識(shí)別方法。 （3）實(shí)驗(yàn)方案和實(shí)驗(yàn)驗(yàn)證 以機(jī)械故障模擬機(jī)為研究對(duì)象，設(shè)計(jì)了滾動(dòng)軸承故障狀態(tài)識(shí)別的實(shí)驗(yàn)方案，通過實(shí)驗(yàn)驗(yàn)證了本文提出的基于本征模態(tài)能量矩和改進(jìn)隱半馬爾科夫模型的滾動(dòng)軸承故障診斷方法；通過與傳統(tǒng)的隱半馬爾科夫模型識(shí)別結(jié)果相比較，證明了運(yùn)用改進(jìn)初始化方法的隱半馬爾科夫模型能夠在滾動(dòng)軸承的故障診斷中顯著地提高了故障狀態(tài)識(shí)別的速度和準(zhǔn)確性。 文章最后對(duì)工作進(jìn)行了總結(jié)，并對(duì)相關(guān)的研究技術(shù)進(jìn)行了展望。
【關(guān)鍵詞】：滾動(dòng)軸承 本征模態(tài)能量矩 隱半馬爾科夫模型 故障診斷 小波閾值去噪
【學(xué)位授予單位】：中國礦業(yè)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】：

• 致謝4-5
• 摘要5-6
• Abstract6-12
• 圖清單12-15
• 表清單15-16
• 變量注釋表16-18
• 1 緒論18-27
• 1.1 課題來源18
• 1.2 選題背景及意義18-19
• 1.3 滾動(dòng)軸承故障診斷過程19-20
• 1.4 故障狀態(tài)識(shí)別技術(shù)的研究現(xiàn)狀20-24
• 1.5 論文研究內(nèi)容及組成24-27
• 2 滾動(dòng)軸承振動(dòng)機(jī)理分析27-35
• 2.1 滾動(dòng)軸承基本結(jié)構(gòu)27-28
• 2.2 滾動(dòng)軸承常見故障形式28-29
• 2.3 滾動(dòng)軸承振動(dòng)頻率分析29-32
• 2.4 滾動(dòng)軸承故障時(shí)的振動(dòng)信號(hào)分析32-34
• 2.5 本章小結(jié)34-35
• 3 滾動(dòng)軸承振動(dòng)信號(hào)特征的提取35-54
• 3.1 經(jīng)驗(yàn)?zāi)B(tài)分解方法的基本原理35-41
• 3.2 基于小波變換的去噪原理41-46
• 3.3 基于本征模態(tài)能量矩的特征向量的提取研究46-53
• 3.4 本章小結(jié)53-54
• 4 基于 HSMM 的滾動(dòng)軸承故障狀態(tài)識(shí)別54-72
• 4.1 HMM 的基本理論54-56
• 4.2 隱半馬爾科夫模型基本理論56-65
• 4.3 HSMM 模型初始化方法研究65-70
• 4.4 基于 HSMM 的故障狀態(tài)識(shí)別方法70-71
• 4.5 本章小結(jié)71-72
• 5 基于 HSMM 的滾動(dòng)軸承故障狀態(tài)識(shí)別方法驗(yàn)證72-82
• 5.1 實(shí)驗(yàn)對(duì)象及實(shí)驗(yàn)設(shè)備72-73
• 5.2 滾動(dòng)軸承故障狀態(tài)識(shí)別實(shí)驗(yàn)驗(yàn)證73-81
• 5.3 本章小結(jié)81-82
• 6 總結(jié)與展望82-84
• 6.1 全文總結(jié)82
• 6.2 研究展望82-84
• 參考文獻(xiàn)84-90
• 作者簡歷90-94
• 學(xué)位論文數(shù)據(jù)集94

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 彭文季;羅興

本文編號(hào)：468348