隨著我國(guó)從科技大國(guó)邁向科技強(qiáng)國(guó)的步伐越來(lái)越快,大型機(jī)械設(shè)備系統(tǒng)的設(shè)計(jì)愈發(fā)精密與復(fù)雜。為了減少機(jī)械設(shè)備故障帶來(lái)的損失,實(shí)現(xiàn)高效的故障診斷,提升機(jī)械設(shè)備可靠性,本文以機(jī)械設(shè)備的關(guān)鍵部位——滾動(dòng)軸承與行星齒輪箱為研究對(duì)象,重點(diǎn)研究了信號(hào)分析處理技術(shù)、多源信息融合技術(shù)以及基于數(shù)據(jù)的故障診斷技術(shù)等,主要研究?jī)?nèi)容分為以下幾個(gè)部分。首先本文研究滾動(dòng)軸承和行星齒輪箱的故障信號(hào)分析處理技術(shù)。從研究滾動(dòng)軸承和行星齒輪箱故障成因入手,分析其常見(jiàn)故障及影響因素。針對(duì)原始故障信號(hào)具有一定的冗余性、不確定性等特點(diǎn),采用時(shí)頻域分析對(duì)原始故障信號(hào)進(jìn)行特征提取研究,從多種角度對(duì)不同形態(tài)信號(hào)進(jìn)行分析。針對(duì)時(shí)頻分析處理得到的多個(gè)故障特征采用粗糙集理論進(jìn)行特征篩選處理,保留對(duì)診斷結(jié)果影響較大的故障特征,從而簡(jiǎn)化系統(tǒng)模型,實(shí)現(xiàn)故障診斷效率的提升。接著本文對(duì)滾動(dòng)軸承和行星齒輪箱進(jìn)行多種故障模擬,通過(guò)模擬典型工況下的運(yùn)行狀態(tài),采集系統(tǒng)故障信號(hào),為多源信息融合診斷方法與故障診斷方法研究提供數(shù)據(jù)準(zhǔn)備。然后本文主要研究多源信息融合方法。針對(duì)云模型具有隨機(jī)性、模糊性以及不確定性的特點(diǎn),采用云模型優(yōu)化D-S證據(jù)理論,降低證據(jù)之間的高度沖突性... 

【文章來(lái)源】：電子科技大學(xué)四川省211工程院校985工程院校教育部直屬院校

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

導(dǎo)入數(shù)據(jù)操作

第二章滾動(dòng)軸承及行星齒輪箱故障信號(hào)分析處理研究15圖2-5導(dǎo)入數(shù)據(jù)操作（2）屬性離散化。如圖2-6所示，選擇Entropy/MDLalgorithm（信息熵法）作為離散化方法進(jìn)行屬性離散。圖2-6屬性離散化操作因?yàn)樾畔㈧赜筛怕史植记闆r唯一決定，因此具有較強(qiáng)的抗干擾性，信息熵法能夠降低信息丟失程度，具有一定的客觀真實(shí)性。（3）屬性約簡(jiǎn)操作。如圖2-7所示，在Rosetta軟件中，選擇遺傳算法（Geneticalgorithm）進(jìn)行屬性約簡(jiǎn)。遺傳算法具有良好的搜索能力且較快的尋找到最優(yōu)解，簡(jiǎn)單高效，具有一定可擴(kuò)展性。

電子科技大學(xué)碩士學(xué)位論文16圖2-7選擇優(yōu)化算法進(jìn)行屬性約簡(jiǎn)2.3故障試驗(yàn)平臺(tái)為了獲取機(jī)械系統(tǒng)中滾動(dòng)軸承和行星齒輪箱在不同故障模式和不同損傷程度下的征兆及信號(hào)特點(diǎn)，從而有針對(duì)性地開(kāi)展故障特征提取和故障診斷，本論文將對(duì)滾動(dòng)軸承和行星齒輪箱進(jìn)行不同程度的損傷故障模擬，如常見(jiàn)的裂紋、點(diǎn)蝕和脫落等典型局部損傷故障。通過(guò)模擬穩(wěn)態(tài)和瞬態(tài)等典型工況下的運(yùn)行狀態(tài)，采用多個(gè)加速度傳感器、位移傳感器以及溫度傳感器等分別采集振動(dòng)信號(hào)、電壓信號(hào)以及溫度信號(hào)等。通過(guò)進(jìn)行故障模擬試驗(yàn)，為故障時(shí)頻特征提取方法研究、多源信息融合診斷方法研究以及故障診斷方法研究提供數(shù)據(jù)保障。2.3.1故障試驗(yàn)平臺(tái)介紹（1）試驗(yàn)平臺(tái)設(shè)計(jì)根據(jù)對(duì)機(jī)械設(shè)備關(guān)鍵部件——滾動(dòng)軸承和行星齒輪箱的結(jié)構(gòu)原理進(jìn)行了研究和分析，教研室與無(wú)錫市厚德自動(dòng)化儀表有限公司共同設(shè)計(jì)制造一臺(tái)適用于模擬機(jī)械系統(tǒng)中滾動(dòng)軸承和行星齒輪箱的綜合多功能試驗(yàn)臺(tái)。具體的技術(shù)指標(biāo)如下：1）驅(qū)動(dòng)單元：采用額定功率為3kw的三相變頻減速電機(jī)，調(diào)速范圍為0-5900r/min。

【參考文獻(xiàn)】：
期刊論文
[1]基于時(shí)域和頻域分析的滾動(dòng)軸承故障診斷[J]. 程秀芳,王鵬.  華北理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(01)
[2]行星齒輪箱齒輪磨損故障診斷[J]. 李海平,趙建民,張?chǎng)?倪祥龍.  振動(dòng)與沖擊. 2019(23)
[3]多源信息融合技術(shù)及其應(yīng)用研究[J]. 楊曉梅,張菊玲,趙忠華.  無(wú)線互聯(lián)科技. 2019(18)
[4]滾動(dòng)軸承故障診斷方法綜述[J]. 陳強(qiáng)強(qiáng),戴邵武,戴洪德,聶子健.  儀表技術(shù). 2019(09)
[5]利用多源信息和深度置信神經(jīng)網(wǎng)絡(luò)的配電系統(tǒng)空間負(fù)荷預(yù)測(cè)[J]. 梁榮,楊波,馬潤(rùn)澤,吳健,吳奎華,林振智,文福拴.  電力建設(shè). 2018(10)
[6]旋轉(zhuǎn)機(jī)械故障診斷研究方法綜述[J]. 蘇乃權(quán),熊建斌,張清華,黃崇林.  機(jī)床與液壓. 2018(07)
[7]基于多源信息融合-相關(guān)向量機(jī)的風(fēng)力發(fā)電機(jī)故障診斷[J]. 楊璐璐,張新燕,牛盛瑜,張冠琪,張亞敏.  電機(jī)與控制應(yīng)用. 2018(03)
[8]大數(shù)據(jù)下機(jī)械智能故障診斷的機(jī)遇與挑戰(zhàn)[J]. 雷亞國(guó),賈峰,孔德同,林京,邢賽博.  機(jī)械工程學(xué)報(bào). 2018(05)
[9]機(jī)電設(shè)備振動(dòng)信號(hào)故障診斷算法研究[J]. 王宇,羅倩,紀(jì)厚業(yè).  計(jì)算機(jī)仿真. 2017(05)
[10]基于證據(jù)理論的多源信息融合模型[J]. 安春蓮,黃靜,吳耀云.  電子信息對(duì)抗技術(shù). 2017(01)

博士論文
[1]基于深度自編碼器的機(jī)械故障診斷方法研究[D]. 張玉彥.華中科技大學(xué) 2019
[2]基于數(shù)據(jù)驅(qū)動(dòng)的行星齒輪箱故障診斷方法研究[D]. 劉志亮.電子科技大學(xué) 2013
[3]多源圖像處理關(guān)鍵技術(shù)研究[D]. 蔣少華.華中科技大學(xué) 2011

碩士論文
[1]基于AHP-云模型的PPP項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)研究[D]. 李亮.北京交通大學(xué) 2019
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承及行星齒輪箱故障診斷方法[D]. 張神林.安徽工業(yè)大學(xué) 2018
[3]基于機(jī)器學(xué)習(xí)的故障預(yù)測(cè)與健康管理（PHM）方法研究[D]. 李永亮.電子科技大學(xué) 2017
[4]基于多源不確定信息融合的數(shù)控機(jī)床滾動(dòng)軸承故障診斷方法與實(shí)驗(yàn)研究[D]. 馮春生.青島理工大學(xué) 2015
[5]基于云服務(wù)模式的文本過(guò)濾關(guān)鍵技術(shù)研究與應(yīng)用[D]. 盧云玲.電子科技大學(xué) 2014
[6]基于信息融合的全自動(dòng)生化分析儀故障檢測(cè)技術(shù)研究[D]. 郭維.沈陽(yáng)工業(yè)大學(xué) 2013
[7]舵槳聯(lián)控式水下機(jī)器人執(zhí)行器故障診斷技術(shù)研究[D]. 蓋寧.哈爾濱工程大學(xué) 2011
[8]基于生命周期的智能家居故障預(yù)測(cè)診斷算法[D]. 王方.重慶大學(xué) 2008
[9]基于小波和支持向量機(jī)的風(fēng)機(jī)故障趨勢(shì)預(yù)測(cè)研究[D]. 王衍學(xué).廣西大學(xué) 2006



本文編號(hào)：3617823