機(jī)械設(shè)備的可靠運(yùn)行既關(guān)系到機(jī)械設(shè)備的產(chǎn)品質(zhì)量,也關(guān)系到機(jī)械設(shè)備的實(shí)際生產(chǎn),因而機(jī)械設(shè)備的運(yùn)行可靠性直接決定其核心競(jìng)爭(zhēng)力。論文提出基于快速變分模態(tài)分解、參數(shù)優(yōu)化多尺度排列熵和核模糊C均值聚類(lèi)的運(yùn)行可靠性評(píng)估方法。首先從信號(hào)處理方法著手,對(duì)振動(dòng)信號(hào)進(jìn)行處理,進(jìn)而對(duì)處理后的信號(hào)進(jìn)行特征提取,最后對(duì)提取的特征數(shù)據(jù)進(jìn)行運(yùn)行可靠性計(jì)算,完成對(duì)機(jī)械設(shè)備的運(yùn)行可靠性評(píng)估。首先,采用快速變分模態(tài)分解方法對(duì)振動(dòng)信號(hào)進(jìn)行信號(hào)處理。快速變分模態(tài)分解方法是對(duì)變分模態(tài)分解方法改進(jìn)得來(lái)的,它通過(guò)引入一個(gè)迭代算子對(duì)算法中原有的拉格朗日乘法算子進(jìn)行二次更新,使得在迭代終止條件不變的情況下,減少迭代次數(shù)及運(yùn)行時(shí)間。通過(guò)非平穩(wěn)仿真信號(hào)的分解對(duì)快速變分模態(tài)分解方法進(jìn)行驗(yàn)證,并將快速變分模態(tài)分解應(yīng)用于實(shí)測(cè)信號(hào)分解。其次,分析多尺度排列熵方法的參數(shù)尺度因子s、時(shí)間序列長(zhǎng)度N、延遲時(shí)間τ和嵌入維數(shù)m對(duì)熵值的影響,因此考慮采用優(yōu)化算法對(duì)多尺度排列熵方法的參數(shù)選取進(jìn)行優(yōu)化,提出有向自組織動(dòng)態(tài)拓?fù)浠旌先簝?yōu)化多尺度排列熵方法。通過(guò)結(jié)合快速變分模態(tài)分解方法,先對(duì)信號(hào)進(jìn)行處理,進(jìn)而利用多尺度排列熵量化處理后信號(hào)的狀態(tài)信息,留待后續(xù)方法處理使用... 

【文章來(lái)源】：燕山大學(xué)河北省

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外發(fā)展現(xiàn)狀
        1.2.1 特征提取方法研究現(xiàn)狀
        1.2.2 運(yùn)行可靠性評(píng)估方法研究現(xiàn)狀
    1.3 課題來(lái)源
    1.4 課題主要研究?jī)?nèi)容
        1.4.1 研究思路
        1.4.2 研究?jī)?nèi)容
第2章 快速變分模態(tài)分解方法
    2.1 信號(hào)分析方法相關(guān)理論
        2.1.1 希爾伯特變換
        2.1.2 傅里葉頻率和瞬時(shí)頻率
        2.1.3 EMD和 LMD方法
        2.1.4 VMD方法
    2.2 FVMD方法
        2.2.1 FVMD原理
        2.2.2 FVMD分解過(guò)程
        2.2.3 模態(tài)個(gè)數(shù)波動(dòng)法
    2.3 FVMD方法分析
        2.3.1 含噪仿真信號(hào)
        2.3.2 間斷仿真信號(hào)
        2.3.3 鋸齒仿真信號(hào)
    2.4 FVMD方法應(yīng)用
    2.5 本章小結(jié)
第3章 參數(shù)優(yōu)化多尺度排列熵方法
    3.1 多尺度排列熵
        3.1.1 排列熵原理
        3.1.2 多尺度排列熵原理
        3.1.3 多尺度排列熵參數(shù)
    3.2 有向自組織動(dòng)態(tài)拓?fù)浠旌先簝?yōu)化多尺度排列熵
        3.2.1 有向自組織動(dòng)態(tài)拓?fù)浠旌先褐悄芩惴?br>        3.2.2 多尺度排列熵參數(shù)優(yōu)化
    3.3 本章小結(jié)
第4章 核模糊C均值聚類(lèi)運(yùn)行可靠性計(jì)算方法
    4.1 核模糊C均值聚類(lèi)方法
        4.1.1 模糊C均值聚類(lèi)原理
        4.1.2 核模糊C均值聚類(lèi)原理
        4.1.3 聚類(lèi)評(píng)價(jià)指標(biāo)
    4.2 核模糊C均值聚類(lèi)運(yùn)行可靠性計(jì)算
        4.2.1 隸屬度函數(shù)
        4.2.2 貼近度
        4.2.3 運(yùn)行可靠性評(píng)估
    4.3 實(shí)例驗(yàn)證
    4.4 本章小結(jié)
第5章 復(fù)雜多載荷工況下軸承運(yùn)行可靠性評(píng)估實(shí)驗(yàn)
    5.1 實(shí)驗(yàn)方案
        5.1.1 實(shí)驗(yàn)平臺(tái)
        5.1.2 數(shù)據(jù)采集系統(tǒng)
        5.1.3 數(shù)據(jù)采集方案
    5.2 軸承運(yùn)行可靠性評(píng)估
        5.2.1 信號(hào)的分解與重構(gòu)
        5.2.2 特征向量的提取
        5.2.3 運(yùn)行可靠性計(jì)算
    5.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于FVMD多尺度排列熵和GK模糊聚類(lèi)的故障診斷[J]. 陳東寧,張運(yùn)東,姚成玉,孫飛,周能元.  機(jī)械工程學(xué)報(bào). 2018(14)
[2]基于MCKD和VMD的滾動(dòng)軸承微弱故障特征提取[J]. 夏均忠,趙磊,白云川,于明奇,汪治安.  振動(dòng)與沖擊. 2017(20)
[3]基于VMD和1.5維Teager能量譜的滾動(dòng)軸承故障特征提取[J]. 向玲,張力佳.  振動(dòng)與沖擊. 2017(18)
[4]基于粒子群優(yōu)化的改進(jìn)EMD算法在軸承故障特征提取中的應(yīng)用[J]. 郭泰,鄧忠民,徐萌.  振動(dòng)與沖擊. 2017(16)
[5]變分模態(tài)分解消噪與核模糊C均值聚類(lèi)相結(jié)合的滾動(dòng)軸承故障識(shí)別方法[J]. 姜萬(wàn)錄,王浩楠,朱勇,王振威,董克巖.  中國(guó)機(jī)械工程. 2017(10)
[6]基于參數(shù)優(yōu)化MPE與FCM的滾動(dòng)軸承故障診斷[J]. 陳東寧,張運(yùn)東,姚成玉,來(lái)博文,呂世君.  軸承. 2017(05)
[7]基于自組織神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承狀態(tài)評(píng)估方法[J]. 張全德,陳果,林桐,歐陽(yáng)文理,滕春禹,王洪偉.  中國(guó)機(jī)械工程. 2017(05)
[8]基于VMD的自適應(yīng)形態(tài)學(xué)在軸承故障診斷中的應(yīng)用[J]. 錢(qián)林,康敏,傅秀清,王興盛,費(fèi)秀國(guó).  振動(dòng)與沖擊. 2017(03)
[9]自適應(yīng)多小波混合構(gòu)造方法及在故障診斷中應(yīng)用[J]. 袁靜,魏穎,訾艷陽(yáng),王志誠(chéng),倪修華.  振動(dòng)與沖擊. 2016(23)
[10]調(diào)幅-調(diào)頻信號(hào)的經(jīng)驗(yàn)?zāi)B(tài)分解包絡(luò)技術(shù)和模態(tài)混疊[J]. 何劉,林建輝,丁建明,劉新廠.  機(jī)械工程學(xué)報(bào). 2017(02)

碩士論文
[1]基于振動(dòng)信號(hào)的滾動(dòng)軸承故障診斷的方法研究[D]. 崔碩.太原理工大學(xué) 2007



本文編號(hào)：3195523