本文關鍵詞：基于小波分析和SVM滾動軸承在線故障診斷研究

  更多相關文章： 滾動軸承 故障診斷 譜峭度 小波變換 包絡解調(diào) 支持向量機(SVM)

【摘要】：滾動軸承作為機械傳動系統(tǒng)中的重要零件,實時掌握其運行狀態(tài)對機器設備正常發(fā)揮其工作性能具有十分重要的意義。本文以軸承的振動信號為研究對像,深入分析適用于振動信號特征提取的信號處理方法,提取軸承故障特征信息用于故障檢測和診斷。本文主要研究內(nèi)容包括振動信號的時域統(tǒng)計特征提取方法、頻域特征提取方法、基于支持向量機(SVM)的軸承故障自動檢測和診斷方法。 基于振動信號的故障檢測和診斷的過程主要包括信號采集、特征信息提取和故障狀態(tài)識別,其中特征提取和狀態(tài)識別是兩個最為重要的部分。因此,本文首先研究振動信號的時域指標,包括均方根值、方差、峰值因子、峭度、歪度和六階中心矩,然后研究振動信號的頻域特征提取方法,主要是軸承故障特征頻率的峰值提取。 目前提取軸承故障特征頻率的峰值常用方法是共振包絡解調(diào)法,在使用該方法的過程會遇到帶通濾波器參數(shù)設置的問題,通過人工的方法尋找信號頻譜中的共振峰來確定帶通濾波器的參數(shù),參數(shù)設置受人為因素響影較大,存在局限性和隨機性。基于此,本文提出基于譜峭度法自動確定濾波器參數(shù),減少人為因素的影響。在研究該方法過程中,首先用有限沖擊響應濾波器組對振動信號濾波,提取濾波信號的包絡并計算包絡功率譜得到故障特征頻率峰值。然后根據(jù)故障信號為衰減振蕩波形的特點,應用Morlet小波代替有限沖擊響應濾波器對振動信號做小波變換,取包絡求包絡譜,取得了更好效果。 為滿足滾動軸承故障檢測和診斷的自動化、智能化要求,在本文最后采用了支持向量機的方法用于軸承故障模式識別,并取得了預期的識別率。
【關鍵詞】：滾動軸承 故障診斷 譜峭度 小波變換 包絡解調(diào) 支持向量機(SVM)
【學位授予單位】：五邑大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TH133.33;TH165.3
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-13
• 1.1 滾動軸承故障診斷研究的意義9-10
• 1.2 滾動軸承故障診斷研究現(xiàn)狀10-11
• 1.3 譜峭度、小波變換及SVM在滾動軸承故障診斷中的應用11-12
• 1.4 本文主要研究內(nèi)容及章節(jié)安排12-13
• 第二章 滾動軸承故障機理及信號處理13-23
• 2.1 滾動軸承的基本結構及故障特征頻率13-16
• 2.2 時域統(tǒng)計指標16-19
• 2.3 頻域分析法19-22
• 2.4 本章小結22-23
• 第三章 包絡分析法的軸承故障診斷23-34
• 3.1 機械振動共振理論23-24
• 3.2 Hilbert變換的包絡解調(diào)24-27
• 3.3 共振解調(diào)法的滾動軸承故障仿真分析27-28
• 3.4 軸承故障振動實測數(shù)據(jù)分析28-33
• 3.5 本章小結33-34
• 第四章 譜峭度—小波變換的包絡解調(diào)34-50
• 4.1 基于譜峭度包絡解調(diào)分析34-42
• 4.2 小波變換理論42-45
• 4.3 基于小波變換的譜峭度包絡解調(diào)分析45-49
• 4.4 本章小結49-50
• 第五章 基于支持向量機的軸承故障診斷50-62
• 5.1 支持向量機50-54
• 5.2 樣本數(shù)據(jù)及特征向量提取54-57
• 5.3 支持向量機分類器訓練及測試57-61
• 5.4 本章小結61-62
• 第六章 總結與展望62-64
• 6.1 總結62
• 6.2 展望62-64
• 參考文獻64-69
• 攻讀碩士學位期間發(fā)表和完成的論文69-70
• 致謝70

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉永斌;何清波;張平;孔凡讓;;基于SVM的旋轉機械故障診斷方法[J];計算機工程;2012年05期

2 郭有貴;曾萍;朱建林;;交-交矩陣變換器SVM的新穎調(diào)制模式(英文)[J];系統(tǒng)仿真學報;2009年22期

3 宋國明;王厚軍;姜書艷;劉紅;;一種聚類分層決策的SVM模擬電路故障診斷方法[J];儀器儀表學報;2010年05期

4 宋國明;王厚軍;劉紅;姜書艷;;基于提升小波變換和SVM的模擬電路故障診斷[J];電子測量與儀器學報;2010年01期

5 程學云;徐慧;朱玲玲;;基于SVM的分布式入侵檢測系統(tǒng)[J];南通大學學報(自然科學版);2008年03期

6 田俊峰;吳麗;;洪水災情SVM評估模型[J];水文;2009年01期

7 何浩祥;閆維明;孫立;;SVM在張弦桁架施工變形預測中的應用研究[J];鋼結構;2007年02期

8 楊穌;史耀媛;宋恒;;基于小波變換域的SVM股市時間序列預測算法[J];科學技術與工程;2008年12期

9 高陽;廖廣蘭;曹艷波;史鐵林;;基于SVM的刻蝕工藝失效狀態(tài)識別[J];華中科技大學學報(自然科學版);2011年07期

10 趙志剛;呂慧顯;李玉景;李京;;一種基于聚類思想的SVM多類分類方法[J];青島理工大學學報;2011年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 滕衛(wèi)平;胡波;滕舟;鐘元;;SVM回歸法在西太平洋熱帶氣旋路徑預報中的應用研究[A];S1 災害天氣研究與預報[C];2012年

2 王紅軍;徐小力;付瑤;;基于SVM的旋轉機械故障診斷知識獲取[A];第八屆全國設備與維修工程學術會議、第十三屆全國設備監(jiān)測與診斷學術會議論文集[C];2008年

3 陳兆基;楊宏暉;杜方鍵;;用于水下目標識別的選擇性SVM集成算法[A];中國聲學學會水聲學分會2011年全國水聲學學術會議論文集[C];2011年

4 程麗麗;張健沛;楊靜;馬駿;;一種改進的層次SVM多類分類方法[A];第三屆全國信息檢索與內(nèi)容安全學術會議論文集[C];2007年

5 左南;李涓子;唐杰;;基于SVM的肖像照片抽取[A];第三屆全國信息檢索與內(nèi)容安全學術會議論文集[C];2007年

6 寧偉;苗雪雷;胡永華;季鐸;張桂平;蔡東風;;基于SVM的無參考譯文的譯文質(zhì)量評測[A];機器翻譯研究進展——第四屆全國機器翻譯研討會論文集[C];2008年

7 劉旭;羅鵬飛;李綱;;基于擬合角特征及SVM的雷達輻射源個體識別[A];全國第五屆信號和智能信息處理與應用學術會議專刊(第一冊)[C];2011年

8 羅浩;謝軍龍;胡云鵬;;地源熱泵空調(diào)系統(tǒng)故障診斷中SVM的應用[A];全國暖通空調(diào)制冷2008年學術年會資料集[C];2008年

9 劉閃電;王建東;;權重部分更新的大規(guī)模線性SVM求解器[A];2009年研究生學術交流會通信與信息技術論文集[C];2009年

10 王艦;湯光明;;基于SVM的圖像隱寫檢測分析[A];第八屆全國信息隱藏與多媒體安全學術大會湖南省計算機學會第十一屆學術年會論文集[C];2009年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張漢女;基于SVM的海岸線提取方法研究[D];東北師范大學;2010年

2 劉軍;基于SVM的半監(jiān)督網(wǎng)絡入侵檢測系統(tǒng)[D];復旦大學;2009年

3 張永俊;基于SVM的增量入侵檢測方法研究[D];西安科技大學;2013年

4 田冪;基于概率SVM的腫瘤預警系統(tǒng)的設計與實現(xiàn)[D];吉林大學;2013年

5 楊濤;基于SVM的中國醫(yī)藥制造企業(yè)財務危機預警研究[D];廈門大學;2009年

6 王碩;基于廣義S變換和SVM的電壓暫降檢測與識別方法研究[D];燕山大學;2013年

7 周洪利;基于SVM的網(wǎng)絡信息過濾研究[D];山東師范大學;2008年

8 齊振東;基于SVM的地基土承載力預測[D];吉林大學;2008年

9 任瓊;基于SVM的余杭生態(tài)公益林類型的遙感分類研究[D];南京林業(yè)大學;2008年

10 楊洋;基于SVM的印刷品缺陷在線檢測[D];華中科技大學;2012年

，

本文編號：519992