基于蟻群算法與統(tǒng)計(jì)濾波的滾動(dòng)軸承故障診斷方法研究
本文關(guān)鍵詞:基于蟻群算法與統(tǒng)計(jì)濾波的滾動(dòng)軸承故障診斷方法研究
更多相關(guān)文章: 滾動(dòng)軸承 故障診斷 特征提取 模式識(shí)別 自適應(yīng)濾波
【摘要】:論文針對(duì)滾動(dòng)軸承典型故障,開(kāi)展了基于統(tǒng)計(jì)檢驗(yàn)理論的自適應(yīng)濾波方法及基于隨機(jī)共振等非線(xiàn)性分析法的特征提取方法研究,同時(shí)將多種信號(hào)特征提取方法與蟻群算法結(jié)合,進(jìn)行了故障模式識(shí)別方法研究。以圓柱滾子軸承為對(duì)象,應(yīng)用振動(dòng)和聲發(fā)射信號(hào),對(duì)其單一及其復(fù)合故障信號(hào)進(jìn)行了分析,驗(yàn)證了相關(guān)方法的有效性。具體內(nèi)容如下: (1)應(yīng)用識(shí)別因子,選擇具有高敏感性的特征參數(shù),構(gòu)成輸入向量,使用具有精英螞蟻機(jī)制的蟻群聚類(lèi)算法實(shí)現(xiàn)設(shè)備狀態(tài)的有效識(shí)別。充分發(fā)揮不同方法之間的優(yōu)勢(shì)互補(bǔ)作用,分別采用小波包分解、經(jīng)驗(yàn)?zāi)B(tài)分析法(EMD)、主成分分析(PCA)等方法提取信號(hào)特征,進(jìn)行了提高蟻群算法聚類(lèi)性能的研究。 (2)應(yīng)用統(tǒng)計(jì)學(xué)假設(shè)檢驗(yàn)原理,提出具有自適應(yīng)性的統(tǒng)計(jì)濾波方法,用以提取信號(hào)特征。定義相似度因子并作為目標(biāo)函數(shù)評(píng)價(jià)濾波性能,同時(shí)采用遺傳算法,優(yōu)化關(guān)鍵參數(shù)置信度因子自動(dòng)完成最優(yōu)濾波過(guò)程。引入頻域信噪比系數(shù)評(píng)價(jià)濾波方法對(duì)噪聲的抑制能力,結(jié)果表明統(tǒng)計(jì)濾波法與高通濾波方法相比,能有效提高信號(hào)的信噪比。 (3)將統(tǒng)計(jì)濾波與非線(xiàn)性信號(hào)分析方法中的隨機(jī)共振、混沌振子相結(jié)合,開(kāi)展微弱故障信號(hào)特征提取方法研究,使用統(tǒng)計(jì)濾波與隨機(jī)共振提取信號(hào)特征,將隨機(jī)共振輸出包絡(luò)譜中譜峰頻率作為檢測(cè)頻率,使用混沌振子進(jìn)行檢測(cè),結(jié)論表明非線(xiàn)性信號(hào)分析法在微弱信號(hào)特征提取方面具有優(yōu)勢(shì)。
【關(guān)鍵詞】:滾動(dòng)軸承 故障診斷 特征提取 模式識(shí)別 自適應(yīng)濾波
【學(xué)位授予單位】:北京化工大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2013
【分類(lèi)號(hào)】:TH133.33;TH165.3
【目錄】:
- 學(xué)位論文數(shù)據(jù)集3-4
- 摘要4-6
- ABSTRACT6-13
- 第一章 緒論13-19
- 1.1 機(jī)械故障診斷概述13-14
- 1.2 蟻群算法研究現(xiàn)狀14-15
- 1.3 特征提取方法研究現(xiàn)狀15
- 1.4 非線(xiàn)性信號(hào)分析法研究現(xiàn)狀15-16
- 1.5 課題研究背景及意義16-17
- 1.6 課題來(lái)源及主要研究?jī)?nèi)容17-19
- 第二章 基于蟻群算法的滾動(dòng)軸承故障診斷方法研究19-53
- 2.1 蟻群算法19-22
- 2.2 基于蟻群算法的滾動(dòng)軸承故障診斷原理22-23
- 2.3 時(shí)頻參數(shù)蟻群聚類(lèi)算法應(yīng)用于軸承診斷23-31
- 2.3.1 時(shí)頻特征參數(shù)23-26
- 2.3.2 基于頻域參數(shù)的蟻群算法滾動(dòng)軸承故障診斷26-31
- 2.4 小波能量參數(shù)蟻群聚類(lèi)算法31-37
- 2.4.1 小波分析31-33
- 2.4.2 基于小波能量參數(shù)的蟻群算法滾動(dòng)軸承故障診斷33-37
- 2.5 EMD蟻群聚類(lèi)算法37-43
- 2.5.1 EMD分析37-38
- 2.5.2 基于EMD重構(gòu)頻域參數(shù)的蟻群算法滾動(dòng)軸承故障診斷38-43
- 2.6 主成分分析重構(gòu)參數(shù)蟻群聚類(lèi)算法43-50
- 2.6.1 主成分分析43-44
- 2.6.2 基于主成分分析重構(gòu)參數(shù)的蟻群算法滾動(dòng)軸承故障診斷44-50
- 2.7 本章小結(jié)50-53
- 第三章 基于統(tǒng)計(jì)濾波的滾動(dòng)軸承故障診斷方法研究53-65
- 3.1 統(tǒng)計(jì)濾波概述53-57
- 3.1.1 統(tǒng)計(jì)濾波原理介紹54-55
- 3.1.2 遺傳算法參數(shù)優(yōu)化原理55-57
- 3.2 統(tǒng)計(jì)濾波算法應(yīng)用于滾動(dòng)軸承故障診斷57-64
- 3.2.1 基于振動(dòng)信號(hào)的滾動(dòng)軸承故障診斷應(yīng)用58-60
- 3.2.2 基于聲發(fā)射信號(hào)的滾動(dòng)軸承故障診斷應(yīng)用60-64
- 3.3 本章小結(jié)64-65
- 第四章 基于統(tǒng)計(jì)濾波與蟻群算法的滾動(dòng)軸承故障診斷65-73
- 4.1 統(tǒng)計(jì)濾波分析提取信號(hào)特征65-67
- 4.2 蟻群算法聚類(lèi)分析識(shí)別故障類(lèi)型67-71
- 4.3 本章小結(jié)71-73
- 第五章 基于非線(xiàn)性信號(hào)分析的滾動(dòng)軸承診斷73-81
- 5.1 隨機(jī)共振原理介紹73-75
- 5.2 混沌振子原理介紹75
- 5.3 基于非線(xiàn)性信號(hào)分析的滾動(dòng)軸承故障診斷75-79
- 5.4 本章小結(jié)79-81
- 第六章 結(jié)論及展望81-83
- 6.1 研究成果總結(jié)81
- 6.2 后續(xù)研究方向81-83
- 參考文獻(xiàn)83-87
- 致謝87-89
- 研究成果及發(fā)表的學(xué)術(shù)論文89-91
- 作者和導(dǎo)師簡(jiǎn)介91-92
- 附錄92-93
【參考文獻(xiàn)】
中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條
1 黃姣英;袁海文;崔勇;畢晨曦;;基于EMD和自相關(guān)分析的輪胎音頻信號(hào)處理[J];電子測(cè)量與儀器學(xué)報(bào);2009年09期
2 華麗;王成勇;谷瓊;程虹;;基于遺傳蟻群算法的測(cè)試用例集約簡(jiǎn)[J];工程數(shù)學(xué)學(xué)報(bào);2012年04期
3 鄭松;李春富;王春林;葛銘;薛安克;;帶有征稅算子的改進(jìn)蟻群優(yōu)化方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年15期
4 段海濱,王道波,朱家強(qiáng),黃向華;蟻群算法理論及應(yīng)用研究的進(jìn)展[J];控制與決策;2004年12期
5 錢(qián)濟(jì)國(guó);;機(jī)械故障的時(shí)域參數(shù)診斷法[J];煤礦機(jī)械;2006年09期
6 甄子洋;王道波;王志勝;;基于蟻群優(yōu)化算法的精密伺服轉(zhuǎn)臺(tái)故障診斷方法[J];自動(dòng)化學(xué)報(bào);2009年06期
7 徐德明;;改進(jìn)的遺傳混合蟻群算法在TSP問(wèn)題中的應(yīng)用[J];計(jì)算機(jī)時(shí)代;2012年11期
8 李兆飛;柴毅;李華鋒;;多重分形去趨勢(shì)波動(dòng)分析的振動(dòng)信號(hào)故障診斷[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年12期
9 栗茂林;梁霖;王孫安;;基于稀疏表示的故障敏感特征提取方法[J];機(jī)械工程學(xué)報(bào);2013年01期
10 王宏超;陳進(jìn);董廣明;;基于最小熵解卷積與稀疏分解的滾動(dòng)軸承微弱故障特征提取[J];機(jī)械工程學(xué)報(bào);2013年01期
中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條
1 冷永剛;大信號(hào)變尺度隨機(jī)共振的機(jī)理分析及其工程應(yīng)用研究[D];天津大學(xué);2004年
2 趙艷菊;強(qiáng)噪聲背景下機(jī)械設(shè)備微弱信號(hào)的提取與檢測(cè)技術(shù)研究[D];天津大學(xué);2009年
3 張瑩;隨機(jī)共振信號(hào)恢復(fù)機(jī)理與方法研究[D];天津大學(xué);2010年
中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前7條
1 馬海龍;復(fù)雜機(jī)電設(shè)備微弱特征提取與早期故障診斷方法研究[D];北京工業(yè)大學(xué);2011年
2 石鵬;隨機(jī)共振在微弱周期沖擊信號(hào)檢測(cè)中的應(yīng)用[D];天津大學(xué);2012年
3 黃平平;基于EMD的齒輪變速箱聲學(xué)故障診斷[D];中北大學(xué);2012年
4 宋紅英;基于蟻群神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷專(zhuān)家系統(tǒng)的研究[D];中國(guó)農(nóng)業(yè)大學(xué);2005年
5 姚劍飛;旋轉(zhuǎn)機(jī)械故障診斷專(zhuān)家系統(tǒng)研究與實(shí)現(xiàn)[D];北京化工大學(xué);2008年
6 徐麗莎;基于嵌入式旋轉(zhuǎn)機(jī)械遠(yuǎn)程故障信號(hào)檢測(cè)與故障診斷系統(tǒng)的研究[D];中南大學(xué);2009年
7 楊珊;基于異常聲音的貨運(yùn)列車(chē)滾動(dòng)軸承故障診斷方法研究[D];中南大學(xué);2012年
,本文編號(hào):935834
本文鏈接:http://sikaile.net/kejilunwen/jixiegongcheng/935834.html