在工業(yè)生產(chǎn)中,滾動軸承作為一種常用的零件,在交變載荷的作用下,極易發(fā)生故障。因此,對滾動軸承故障診斷進行研究具有重大工程意義。由于滾動軸承在故障發(fā)生初期,故障特征較為微弱并且伴隨有較大的噪聲,使得故障信息淹沒在噪聲中難以提取。因此,使用有效的方法準(zhǔn)確地提取滾動軸承早期微弱故障特征是現(xiàn)階段的技術(shù)難點。本文以變分模態(tài)分解(Variational Mode Decomposition,VMD)算法為基礎(chǔ),不斷地改進與完善該算法,并且對上述難點進行深入研究,提出一種新型可靠的滾動軸承早期微弱故障特征提取方法。主要研究內(nèi)容如下:VMD算法分解信號時,該算法中本征模態(tài)函數(shù)分解個數(shù)k值和懲罰因子α值需要預(yù)先設(shè)定。通常使用試湊法、單目標(biāo)優(yōu)化法來確定分解層數(shù)k以及懲罰因子α,但是采用上述方法得不到最佳的參數(shù)組合,以至于VMD算法不具有自適應(yīng)性。因此,本文提出了利用多目標(biāo)粒子群優(yōu)化算法(Multi-objective Particle Swarm Optimization,MOPSO)對VMD參數(shù)進行優(yōu)化。其步驟是:首先,選用符號動力學(xué)熵(Symbolic Dynamic Entropy,SDE)和功率譜...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 課題來源、研究背景及意義
    1.2 滾動軸承故障信號特性
        1.2.1 滾動軸承基本結(jié)構(gòu)
        1.2.2 滾動軸承故障特性分析
    1.3 課題相關(guān)國內(nèi)外研究現(xiàn)狀
        1.3.1 滾動軸承故障特征提取方法研究現(xiàn)狀
        1.3.2 滾動軸承早期微弱故障診斷方法研究現(xiàn)狀
    1.4 本文研究的主要內(nèi)容
2 VMD、SSD理論方法的研究
    2.1 VMD方法
        2.1.1 VMD方法的基本概念與研究現(xiàn)狀
        2.1.2 VMD方法的理論基礎(chǔ)
        2.1.3 仿真信號分析
    2.2 SSD方法
        2.2.1 SSD方法的基本概念與研究現(xiàn)狀
        2.2.2 SSD方法的理論基礎(chǔ)
        2.2.3 仿真信號分析
    2.3 本章小結(jié)
3 自適應(yīng)VMD、ASSD理論方法的研究
    3.1 粒子群優(yōu)化(PSO)算法
        3.1.1 PSO算法原理
        3.1.2 參數(shù)的選擇
        3.1.3 PSO基本算法流程
    3.2 基于多目標(biāo)粒子群優(yōu)化(MOPSO)算法的自適應(yīng)VMD方法研究
        3.2.1 多目標(biāo)粒子群優(yōu)化(MOPSO)算法
        3.2.2 基于多目標(biāo)粒子群優(yōu)化(MOPSO)算法的VMD參數(shù)優(yōu)化
        3.2.3 仿真信號分析
    3.3 基于量子行為粒子群優(yōu)化(QPSO)算法的自適應(yīng)SSD方法研究
        3.3.1 量子行為粒子群優(yōu)化(QPSO)算法理論
        3.3.2 量子行為粒子群優(yōu)化(QPSO)算法對L1 范數(shù)正則化參數(shù)的優(yōu)化
        3.3.3 仿真信號分析
        3.3.4 滾動軸承故障實驗信號分析
    3.4 本章總結(jié)
4 基于ASSD和 VMD的新型滾動軸承早期故障診斷方法
    4.1 ASSD-VMD方法的研究意義
    4.2 ASSD-VMD方法處理信號的流程
    4.3 仿真信號分析
    4.4 實驗驗證和分析
        4.4.1 試驗臺設(shè)計
        4.4.2 實驗信號分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
        5.1.1 本文工作總結(jié)
        5.1.2 本文創(chuàng)新點
    5.2 展望
參考文獻
攻讀碩士期間發(fā)表的論文及所獲得的研究成果
致謝



本文編號：3737422