機械設(shè)備的可靠運行既關(guān)系到機械設(shè)備的產(chǎn)品質(zhì)量,也關(guān)系到機械設(shè)備的實際生產(chǎn),因而機械設(shè)備的運行可靠性直接決定其核心競爭力。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均值聚類的運行可靠性評估方法。首先從信號處理方法著手,對振動信號進行處理,進而對處理后的信號進行特征提取,最后對提取的特征數(shù)據(jù)進行運行可靠性計算,完成對機械設(shè)備的運行可靠性評估。首先,采用快速變分模態(tài)分解方法對振動信號進行信號處理�？焖僮兎帜B(tài)分解方法是對變分模態(tài)分解方法改進得來的,它通過引入一個迭代算子對算法中原有的拉格朗日乘法算子進行二次更新,使得在迭代終止條件不變的情況下,減少迭代次數(shù)及運行時間。通過非平穩(wěn)仿真信號的分解對快速變分模態(tài)分解方法進行驗證,并將快速變分模態(tài)分解應用于實測信號分解。其次,分析多尺度排列熵方法的參數(shù)尺度因子s、時間序列長度N、延遲時間τ和嵌入維數(shù)m對熵值的影響,因此考慮采用優(yōu)化算法對多尺度排列熵方法的參數(shù)選取進行優(yōu)化,提出有向自組織動態(tài)拓撲混合群優(yōu)化多尺度排列熵方法。通過結(jié)合快速變分模態(tài)分解方法,先對信號進行處理,進而利用多尺度排列熵量化處理后信號的狀態(tài)信息,留待后續(xù)方法處理使用... 

【文章來源】：燕山大學河北省

【文章頁數(shù)】：89 頁

【學位級別】：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 運行可靠性評估方法研究現(xiàn)狀
    1.3 課題來源
    1.4 課題主要研究內(nèi)容
        1.4.1 研究思路
        1.4.2 研究內(nèi)容
第2章 快速變分模態(tài)分解方法
    2.1 信號分析方法相關(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分解過程
        2.2.3 模態(tài)個數(shù)波動法
    2.3 FVMD方法分析
        2.3.1 含噪仿真信號
        2.3.2 間斷仿真信號
        2.3.3 鋸齒仿真信號
    2.4 FVMD方法應用
    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 有向自組織動態(tài)拓撲混合群優(yōu)化多尺度排列熵
        3.2.1 有向自組織動態(tài)拓撲混合群智能算法
        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均值聚類運行可靠性計算方法
    4.1 核模糊C均值聚類方法
        4.1.1 模糊C均值聚類原理
        4.1.2 核模糊C均值聚類原理
        4.1.3 聚類評價指標
    4.2 核模糊C均值聚類運行可靠性計算
        4.2.1 隸屬度函數(shù)
        4.2.2 貼近度
        4.2.3 運行可靠性評估
    4.3 實例驗證
    4.4 本章小結(jié)
第5章 復雜多載荷工況下軸承運行可靠性評估實驗
    5.1 實驗方案
        5.1.1 實驗平臺
        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 軸承運行可靠性評估
        5.2.1 信號的分解與重構(gòu)
        5.2.2 特征向量的提取
        5.2.3 運行可靠性計算
    5.3 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間承擔的科研任務(wù)與主要成果
致謝


【參考文獻】：
期刊論文
[1]基于FVMD多尺度排列熵和GK模糊聚類的故障診斷[J]. 陳東寧,張運東,姚成玉,孫飛,周能元.  機械工程學報. 2018(14)
[2]基于MCKD和VMD的滾動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.  振動與沖擊. 2017(20)
[3]基于VMD和1.5維Teager能量譜的滾動軸承故障特征提取[J]. 向玲,張力佳.  振動與沖擊. 2017(18)
[4]基于粒子群優(yōu)化的改進EMD算法在軸承故障特征提取中的應用[J]. 郭泰,鄧忠民,徐萌.  振動與沖擊. 2017(16)
[5]變分模態(tài)分解消噪與核模糊C均值聚類相結(jié)合的滾動軸承故障識別方法[J]. 姜萬錄,王浩楠,朱勇,王振威,董克巖.  中國機械工程. 2017(10)
[6]基于參數(shù)優(yōu)化MPE與FCM的滾動軸承故障診斷[J]. 陳東寧,張運東,姚成玉,來博文,呂世君.  軸承. 2017(05)
[7]基于自組織神經(jīng)網(wǎng)絡(luò)的滾動軸承狀態(tài)評估方法[J]. 張全德,陳果,林桐,歐陽文理,滕春禹,王洪偉.  中國機械工程. 2017(05)
[8]基于VMD的自適應形態(tài)學在軸承故障診斷中的應用[J]. 錢林,康敏,傅秀清,王興盛,費秀國.  振動與沖擊. 2017(03)
[9]自適應多小波混合構(gòu)造方法及在故障診斷中應用[J]. 袁靜,魏穎,訾艷陽,王志誠,倪修華.  振動與沖擊. 2016(23)
[10]調(diào)幅-調(diào)頻信號的經(jīng)驗模態(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.  機械工程學報. 2017(02)

碩士論文
[1]基于振動信號的滾動軸承故障診斷的方法研究[D]. 崔碩.太原理工大學 2007



本文編號：3195523