發(fā)布時間：2021-08-08 23:40

　　滾動軸承是煤礦通風機的重要零件,對其進行運行狀態(tài)監(jiān)測是保證煤礦安全生產(chǎn)的關(guān)鍵技術(shù),本文將不同狀態(tài)下,通風機軸承振動信號作為研究對象,以信號特征參數(shù)為主要依據(jù)實現(xiàn)軸承故障預(yù)警及分類診斷。在故障預(yù)警環(huán)節(jié),利用軸承處于不同運行狀態(tài)時,振動信號的梅爾頻率倒譜系數(shù)存在差異這一特點,將其第一維參數(shù)與信號譜熵相乘得到譜熵梅爾積特征（MFPH）,提高信號特征的抗噪能力,同時最大化正常信號與故障信號間的差異;通過貝葉斯信息準則確定分類簇數(shù),利用模糊C均值聚類算法自適應(yīng)獲取信號譜熵梅爾積特征參數(shù)的高低門限,最后通過雙門限法找到故障起始點,實現(xiàn)自適應(yīng)故障預(yù)警。在信號分解環(huán)節(jié),以經(jīng)驗?zāi)B(tài)分解（EMD）為基本分解方法,采用相關(guān)系數(shù)法剔除結(jié)果中的虛假分量;采用支持向量回歸機（SVR）延拓再分解的方法抑制端點效應(yīng)問題;使用自適應(yīng)集總局部積分均值分解（AELIMD）算法,通過噪聲數(shù)據(jù)輔助分析緩解EMD的模態(tài)混疊現(xiàn)象,通過與EMD、互補集總經(jīng)驗?zāi)B(tài)分解的對比實驗,證明應(yīng)用AELIMD方法分解信號能得到更真實的頻率成分。在特征提取環(huán)節(jié),介紹了信號能量、排列熵及加權(quán)排列熵特征向量的構(gòu)成方法,進行基于真實滾動軸承振動信號的分... 

【文章來源】：中國礦業(yè)大學江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：110 頁

【學位級別】：碩士

【部分圖文】：

滾動軸承故障模擬發(fā)生平臺Figure3-5Rollingbearingfaultsimulationplatform

【參考文獻】：
期刊論文
[1]A new bearing fault diagnosis method based on modified convolutional neural networks[J]. Jiangquan ZHANG,Yi SUN,Liang GUO,Hongli GAO,Xin HONG,Hongliang SONG.  Chinese Journal of Aeronautics. 2020(02)
[2]基于加權(quán)排列熵和DE-ELM的滾動軸承故障診斷[J]. 吳新忠,張旭,李博華,夏令祥.  制造技術(shù)與機床. 2020(02)
[3]自適應(yīng)改進雙樹復(fù)小波變換的齒輪箱故障診斷[J]. 陳旭陽,韓振南,寧少慧.  振動.測試與診斷. 2019(05)
[4]基于ELMD與改進SMSVM的機械故障診斷方法[J]. 任世錦,潘劍寒,李新玉,徐桂云,鞏固.  南京航空航天大學學報. 2019(05)
[5]集成多策略改進FCM算法的旋轉(zhuǎn)機械故障數(shù)據(jù)聚類分析研究[J]. 鄧林峰,張愛華,趙榮珍.  振動工程學報. 2019(05)
[6]基于改進LE和約束種子K均值的半監(jiān)督故障識別[J]. 張鑫,郭順生,江麗.  振動與沖擊. 2019(16)
[7]同步擠壓改進短時傅里葉變換分頻相干技術(shù)在斷裂識別中的應(yīng)用[J]. 嚴海滔,周懷來,牛聰,巫南克,周健.  石油地球物理勘探. 2019(04)
[8]中國煤炭產(chǎn)業(yè)發(fā)展現(xiàn)狀分析[J]. 吳楠.  中外企業(yè)家. 2019(23)
[9]基于動態(tài)統(tǒng)計濾波與深度學習的智能故障診斷方法[J]. 宋瀏陽,李石,王芃鑫,王華慶.  儀器儀表學報. 2019(07)
[10]A New Method of Wind Turbine Bearing Fault Diagnosis Based on Multi-Masking Empirical Mode Decomposition and Fuzzy C-Means Clustering[J]. Yongtao Hu,Shuqing Zhang,Anqi Jiang,Liguo Zhang,Wanlu Jiang,Junfeng Li.  Chinese Journal of Mechanical Engineering. 2019(03)



本文編號：3330909