本文關鍵詞：基于小波脊線法的混沌識別及故障數(shù)據(jù)分析

  更多相關文章： 故障診斷 小波脊線 混沌運動 混沌識別 滾動軸承

【摘要】：混沌現(xiàn)象廣泛的存在于自然現(xiàn)象、社會現(xiàn)象里，近年來，混沌運動被發(fā)現(xiàn)存在于多個領域中,混沌運動的準確識別是一個非常值得研究的課題。在機械故障診斷領域里，旋轉機械的故障信號通常表現(xiàn)為非平穩(wěn)、非線性，呈現(xiàn)出復雜的運動特征，采用混沌理論研究故障信號能夠更為準確地分析信號，刻畫信號反映出的故障本質特征。 首先，針對小波脊線提取瞬時頻率抗噪性較差的缺點，提出基于模極大值間距提取小波脊線的方法。在傳統(tǒng)基于局部模極大值提取脊線的基礎上加入一步基于模極大值間距的判斷過程。通過設定一定的坐標閾值，只對坐標閾值之內的局部模極大值進行提取，摒棄了隨機噪聲造成的局部模極大值點，有效地避免了噪聲的干擾，改進了小波脊線方法易受噪聲干擾的缺點。 其次，基于小波脊線和混沌運動的理論基礎，提出了一種應用小波脊線識別混沌運動的方法。通過對多個典型混沌系統(tǒng)進行分析，從相圖、功率譜密度圖、小波脊線圖對比的角度驗證了小波脊線可以區(qū)分系統(tǒng)的周期運動、倍周期運動和混沌運動，并歸納總結了混沌運動在小波脊線圖上表現(xiàn)出的規(guī)律性和細節(jié)特征。 最后，對美國凱斯西儲大學(Case Western Reserve University)軸承故障模擬實驗臺采集的軸承故障振動信號進行了基于混沌理論的分析。首先計算故障信號的混沌特征量，，包括關聯(lián)維數(shù)、K熵、Lyapunov指數(shù)，然后對故障信號敏感頻帶進行小波脊線分析，分析故障程度不同時混沌特征量及小波脊線的變化情況，并通過兩者的對比，證明了小波脊線可以準確識別故障類型和故障程度。
【關鍵詞】：故障診斷 小波脊線 混沌運動 混沌識別 滾動軸承
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：TH165.3
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-16
• 1.1 課題背景10-11
• 1.2 混沌理論的應用現(xiàn)狀11-13
• 1.2.1 混沌理論的國內外應用現(xiàn)狀11-12
• 1.2.2 混沌理論在故障診斷領域的應用12-13
• 1.3 小波脊線的研究現(xiàn)狀13
• 1.4 本文研究的意義和主要內容13-16
• 1.4.1 本文研究的意義13-14
• 1.4.2 本文研究主要內容14-16
• 第2章 小波脊線識別混沌的理論基礎16-25
• 2.1 混沌概述16-18
• 2.1.1 混沌的定義16-17
• 2.1.2 混沌的特征17-18
• 2.2 小波變換18-20
• 2.2.1 小波變換概述18-19
• 2.2.2 小波變換參數(shù)選擇19-20
• 2.3 小波脊線理論20-23
• 2.3.1 小波脊線20-21
• 2.3.2 漸進信號的解析小波變換21-22
• 2.3.3 基于小波脊線的信號瞬時特征提取22-23
• 2.4 仿真信號的小波脊線研究23-24
• 2.5 本章小結24-25
• 第3章 混沌運動的小波脊線識別25-36
• 3.1 典型混沌系統(tǒng)動力學模型25-26
• 3.2 混沌運動定性識別方法26-28
• 3.3 混沌運動的小波脊線識別28-34
• 3.4 各定性混沌識別方法比較34
• 3.6 本章小結34-36
• 第4章 基于混沌動力學的故障診斷36-45
• 4.1 混沌動力學特征的數(shù)值分析方法36-39
• 4.1.1 Lyapunov 指數(shù)及其計算方法36-37
• 4.1.2 Kolmogorov 熵及其計算方法37-38
• 4.1.3 關聯(lián)維數(shù)及其計算方法38-39
• 4.2 相空間重構39-42
• 4.2.1 延遲時間的確定40-42
• 4.2.2 嵌入維數(shù)的確定42
• 4.3 故障數(shù)據(jù)預處理42-44
• 4.3.1 小波包消噪法43
• 4.3.2 基于 Hilbert 變換的包絡解調法43
• 4.3.3 基于小波理論濾波消噪的包絡分析故障數(shù)據(jù)預處理43-44
• 4.4 本章小結44-45
• 第5章 基于混沌特征量及小波脊線的軸承故障數(shù)據(jù)分析45-67
• 5.1 軸承故障診斷的內容及研究意義45
• 5.2 軸承振動信號采集45-47
• 5.3 軸承外圈故障振動信號分析47-56
• 5.3.1 基于混沌特征量的故障數(shù)據(jù)處理48-53
• 5.3.2 基于小波脊線的故障數(shù)據(jù)處理53-56
• 5.4 軸承內圈故障振動信號分析56-61
• 5.4.1 基于混沌特征量的故障數(shù)據(jù)處理56-59
• 5.4.2 基于小波脊線的故障數(shù)據(jù)處理59-61
• 5.5 軸承滾動體故障振動信號分析61-66
• 5.5.1 基于混沌特征量的故障數(shù)據(jù)處理61-63
• 5.5.2 基于小波脊線的故障數(shù)據(jù)處理63-66
• 5.6 本章小結66-67
• 結論67-68
• 參考文獻68-71
• 攻讀碩士學位期間承擔的科研任務與主要成果71-72
• 致謝72-73
• 作者簡介73

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 馬波,魏強,徐春林,江志農;基于Hilbert變換的包絡分析及其在滾動軸承故障診斷中的應用[J];北京化工大學學報(自然科學版);2004年06期

2 修春波,劉向東,張宇河;相空間重構延遲時間與嵌入維數(shù)的選擇[J];北京理工大學學報;2003年02期

3 李鶴;聞季丹;張杰;聞邦椿;;混沌運動特征的小波脊識別[J];東北大學學報(自然科學版);2011年03期

4 姜萬錄;一種基于正交小波包分析的混沌識別方法[J];燕山大學學報;2004年01期

5 魏云冰,黃進,牛發(fā)亮,任秉知;基于小波脊線的籠型異步電動機轉子故障特征提取[J];電工技術學報;2003年04期

6 王鳳利,馬孝江;基于混沌的旋轉機械故障診斷[J];大連理工大學學報;2003年05期

7 王興元;駱超;;Lorenz系統(tǒng)通向混沌的道路[J];大連理工大學學報;2006年04期

8 朱斌;;基于混沌理論的微弱信號檢測[J];電子科技;2010年02期

9 高瑞乾;甘新年;閆源江;;基于混沌特征的航空發(fā)動機故障診斷研究[J];國外電子測量技術;2011年03期

10 吳參;李興林;孫守遷;張燕遼;張仰平;;混沌理論在滾動軸承故障診斷中的應用[J];軸承;2013年01期

中國碩士學位論文全文數(shù)據(jù)庫 前5條

1 孫偉;基于混沌神經(jīng)網(wǎng)絡的故障診斷方法研究[D];燕山大學;2012年

2 李穩(wěn)安;基于混沌時間序列的復雜機械系統(tǒng)故障特征提取與狀態(tài)預報[D];東南大學;2004年

3 仲小虎;基于混沌理論的故障診斷的研究[D];哈爾濱理工大學;2007年

4 吳昊;交通流理論中的混沌特性識別及預測研究[D];長安大學;2010年

5 霍思宇;混沌時間序列的預測方法研究[D];電子科技大學;2010年

本文編號：773906