本文關(guān)鍵詞：基于最小熵解卷積的滾動(dòng)軸承故障診斷研究

  更多相關(guān)文章： 故障診斷 最小熵解卷積 故障特征提取 FIR濾波器 齒輪箱 滾動(dòng)軸承

【摘要】：能源電力、石油化工、鋼鐵冶金及其他國(guó)民經(jīng)濟(jì)支柱產(chǎn)業(yè)中的機(jī)械設(shè)備，不僅具有大型、高速、復(fù)雜、高效及重載的特點(diǎn)，而且其工作和運(yùn)行環(huán)境十分復(fù)雜。這些設(shè)備一旦突然發(fā)生故障，不僅會(huì)造成巨額經(jīng)濟(jì)損失，甚至?xí)䦟?dǎo)致嚴(yán)重的人員傷亡事故，影響社會(huì)安定團(tuán)結(jié)發(fā)展的局面。因此，對(duì)此類設(shè)備開展故障診斷技術(shù)研究具有重要的理論和工程意義。 如何在強(qiáng)噪聲背景下提取出真正的信號(hào)或者信號(hào)的特征并將其應(yīng)用于工程實(shí)際是機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷的核心，也是故障診斷領(lǐng)域的研究熱點(diǎn)。新方法和新理論的研究也層出不窮，對(duì)豐富和完善機(jī)械故障診斷技術(shù)起到了重要作用。本學(xué)位論文以滾動(dòng)軸承為研究對(duì)象，以最小熵解卷積理論為分析工具，深入研究和發(fā)展了基于最小熵解卷積方法的滾動(dòng)軸承故障診斷技術(shù)新方法，并驗(yàn)證了工程應(yīng)用價(jià)值，取得了一定的效果。論文主要包括以下幾個(gè)方面的內(nèi)容： (1)從理論分析與工程應(yīng)用的角度出發(fā)，闡述了論文的選題背景和研究意義。分析了滾動(dòng)軸承故障診斷、信號(hào)分析與處理技術(shù)、最小熵解卷積方法等方面的國(guó)內(nèi)外研究現(xiàn)狀，確立了本文的研究?jī)?nèi)容。 (2)介紹了最小熵解卷積及其相關(guān)基礎(chǔ)理論。首先，對(duì)熵和信息熵理論進(jìn)行了介紹，揭示其反映信號(hào)復(fù)雜度和不確定性的本質(zhì)，然后在此基礎(chǔ)上介紹了熵在信號(hào)處理領(lǐng)域的應(yīng)用，其中重點(diǎn)介紹了幅值譜熵，再然后對(duì)FIR濾波器進(jìn)行了簡(jiǎn)單介紹，最后介紹了最小熵解卷積理論及其實(shí)現(xiàn)過程。 (3)理論分析了最小熵解卷積方法應(yīng)用于滾動(dòng)軸承故障診斷的原理，并進(jìn)行仿真研究。首先，對(duì)研究對(duì)象進(jìn)行了介紹，其中包括滾動(dòng)軸承的結(jié)構(gòu)、滾動(dòng)軸承的故障類型以及滾動(dòng)軸承故障模型，然后對(duì)滾動(dòng)軸承常見的診斷方法進(jìn)行了簡(jiǎn)單介紹，其中包括時(shí)域指標(biāo)和包絡(luò)譜分析。結(jié)合滾動(dòng)軸承故障模型，論證了最小熵解卷積方法應(yīng)用于滾動(dòng)軸承故障診斷的原理，并利用軸承三種點(diǎn)蝕故障的仿真信號(hào)進(jìn)行了驗(yàn)證了即使在強(qiáng)噪聲干擾的環(huán)境下，最小熵解卷積方法依然能夠?qū)收闲畔⒑凸收咸卣鬟M(jìn)行有效提取，，對(duì)最小熵解卷積濾波后信號(hào)計(jì)算峭度、幅值譜熵或進(jìn)行包絡(luò)譜分析等能夠精確診斷軸承故障。最后，從FIR濾波器角度出發(fā)，研究了最小熵解卷積方法的性能影響因素，并結(jié)合研究對(duì)象特點(diǎn)對(duì)參數(shù)設(shè)置進(jìn)行了分析和研究，發(fā)掘出最小熵解卷積方法設(shè)計(jì)的濾波器具有相當(dāng)好的魯棒特性的優(yōu)點(diǎn)，具有很強(qiáng)的工程應(yīng)用價(jià)值。 (4)實(shí)驗(yàn)驗(yàn)證和分析。本章主要了利用兩個(gè)實(shí)驗(yàn)來論證和研究最小熵解卷積方法的有效性和優(yōu)勢(shì)。第一個(gè)實(shí)驗(yàn)為軸承全壽命加速疲勞實(shí)驗(yàn)。通過全壽命加速疲勞試驗(yàn)，可以獲得單一軸承運(yùn)行從正常到失效的全壽命周期數(shù)據(jù)。利用最小熵解卷積方法對(duì)兩組軸承全壽命周期各個(gè)階段的數(shù)據(jù)進(jìn)行分析，研究了最小熵解卷積方法對(duì)軸承故障各個(gè)階段的故障診斷能力，研究結(jié)果表明其在初始故障階段故障診斷能力較強(qiáng)，能夠有效地提取初始故障階段的故障特征，驗(yàn)證了本文方法對(duì)軸承初始故障診斷的有效性和優(yōu)勢(shì)。針對(duì)軸承往往與齒輪等部件一起運(yùn)行的工程應(yīng)用實(shí)際，考慮到軸承故障信號(hào)往往受強(qiáng)噪聲干擾，如齒輪箱中的軸承故障信息往往隱沒在齒輪嚙合頻率的特點(diǎn)，設(shè)計(jì)了齒輪箱中軸承故障實(shí)驗(yàn)，研究了最小熵解卷積方法對(duì)齒輪箱中軸承故障的診斷能力。首先，對(duì)齒輪箱故障診斷試驗(yàn)裝置和實(shí)驗(yàn)流程進(jìn)行了介紹。通過對(duì)傳感器采集到的振動(dòng)信號(hào)分析，結(jié)果表明：最小熵解卷積方法能夠有效地去除隨機(jī)噪聲和周期成分的影響，提高濾波后信號(hào)的沖擊特征，驗(yàn)證了本文方法在強(qiáng)噪聲干擾中提取故障信息和故障特征的有效性和優(yōu)勢(shì)，探索其工程應(yīng)用價(jià)值。
【關(guān)鍵詞】：故障診斷 最小熵解卷積 故障特征提取 FIR濾波器 齒輪箱 滾動(dòng)軸承
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TH133.33;TH165.3
【目錄】：

• 摘要5-7
• ABSTRACT7-9
• 目錄9-11
• 第一章 緒論11-17
• 1.1 選題背景11-12
• 1.1.1 課題來源11
• 1.1.2 課題意義11-12
• 1.2 課題背景12-14
• 1.2.1 滾動(dòng)軸承故障診斷發(fā)展概況12-13
• 1.2.2 信號(hào)分析與處理技術(shù)13-14
• 1.2.3 最小熵解卷積研究概況14
• 1.3 主要工作與總體框架14-17
• 第二章 最小熵解卷積基礎(chǔ)理論17-25
• 2.1 引言17
• 2.2 熵、信息、信息熵17-18
• 2.3 熵在信號(hào)處理領(lǐng)域的應(yīng)用18-20
• 2.4 FIR 濾波器基礎(chǔ)20-22
• 2.5 最小熵解卷積方法及其實(shí)現(xiàn)22-24
• 2.6 本章小結(jié)24-25
• 第三章 基于最小熵解卷積的軸承故障診斷研究25-53
• 3.1 引言25
• 3.2 滾動(dòng)軸承及去振動(dòng)信號(hào)模型25-30
• 3.2.1 滾動(dòng)軸承的結(jié)構(gòu)25-26
• 3.2.2 滾動(dòng)軸承的故障類型26-29
• 3.2.3 滾動(dòng)軸承故障信號(hào)建模29-30
• 3.3 滾動(dòng)軸承故障診斷方法30-32
• 3.3.1 常用時(shí)域指標(biāo)30-31
• 3.3.2 包絡(luò)譜分析31-32
• 3.4 基于最小熵解卷積的軸承故障診斷32-43
• 3.4.1 原理32-33
• 3.4.2 仿真信號(hào)分析33-43
• 3.5 最小熵解卷積的性能影響因素分析43-51
• 3.6 本章小結(jié)51-53
• 第四章 實(shí)驗(yàn)驗(yàn)證和分析53-77
• 4.1 引言53
• 4.2 實(shí)驗(yàn)一軸承全壽命加速疲勞實(shí)驗(yàn)53-68
• 4.2.1 試驗(yàn)對(duì)象及設(shè)備53-57
• 4.2.2 試驗(yàn)方案和操作流程57-58
• 4.2.3 試驗(yàn)結(jié)果分析58-68
• 4.3 實(shí)驗(yàn)二齒輪箱故障診斷實(shí)驗(yàn)68-75
• 4.3.1 試驗(yàn)對(duì)象及設(shè)備68-70
• 4.3.2 試驗(yàn)方案和操作流程70-71
• 4.3.3 試驗(yàn)結(jié)果分析71-75
• 4.4 本章小結(jié)75-77
• 第五章 總結(jié)與展望77-81
• 5.1 全文工作總結(jié)77-78
• 5.2 主要?jiǎng)?chuàng)新點(diǎn)78
• 5.3 研究展望78-81
• 參考文獻(xiàn)81-87
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文清單87
• 攻讀碩士學(xué)位期間參與科研項(xiàng)目情況87-89
• 致謝89

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 呂勇;徐金梧;李友榮;;遞歸圖和近似熵在設(shè)備故障信號(hào)復(fù)雜度分析中的應(yīng)用[J];機(jī)械強(qiáng)度;2006年03期

2 楊文獻(xiàn),姜節(jié)勝;機(jī)械信號(hào)奇異熵研究[J];機(jī)械工程學(xué)報(bào);2000年12期

3 申_",黃樹紅,韓守木,楊叔子;旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的信息熵特征[J];機(jī)械工程學(xué)報(bào);2001年06期

4 程軍圣,于德介,楊宇;基于EMD的能量算子解調(diào)方法及其在機(jī)械故障診斷中的應(yīng)用[J];機(jī)械工程學(xué)報(bào);2004年08期

5 伍星,羅德?lián)P,郭之璜;快速頻率細(xì)化 ZOOM 軟件的開發(fā)研究[J];昆明理工大學(xué)學(xué)報(bào);1997年02期

6 苗剛;馬孝江;任全民;;多尺度Hilbert譜熵在故障診斷中的應(yīng)用[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2007年03期

7 莊建軍;寧新寶;鄒鳴;孫飆;楊希;;兩種熵測(cè)度在量化射擊運(yùn)動(dòng)員短時(shí)心率變異性信號(hào)復(fù)雜度上的一致性[J];物理學(xué)報(bào);2008年05期

8 胥永剛,李凌均,何正嘉;近似熵及其在機(jī)械設(shè)備故障診斷中的應(yīng)用[J];信息與控制;2002年06期

9 劉慧,和衛(wèi)星,陳曉平;生物時(shí)間序列的近似熵和樣本熵方法比較[J];儀器儀表學(xué)報(bào);2004年S1期

10 陳進(jìn);信號(hào)處理在機(jī)械設(shè)備故障診斷中的應(yīng)用(連載) 第二講 現(xiàn)代信號(hào)處理與特征提取(上)[J];振動(dòng)與沖擊;1999年03期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 沈恩華;腦電的復(fù)雜度分析[D];復(fù)旦大學(xué);2005年

2 謝平;故障診斷中信息熵特征提取及融合方法研究[D];燕山大學(xué);2006年

3 陳偉婷;基于熵的表面肌電信號(hào)特征提取研究[D];上海交通大學(xué);2008年

4 張家凡;振動(dòng)信號(hào)的包絡(luò)解調(diào)分析方法研究及應(yīng)用[D];武漢理工大學(xué);2008年

5 梁巍;管道缺陷檢測(cè)中超聲信號(hào)稀疏解卷積及稀疏壓縮方法的研究[D];上海交通大學(xué);2008年

本文編號(hào)：827721