基于局部均值分解的滚动轴承故障诊断方法研究

发布时间：2017-10-16 00:13

  本文关键词：基于局部均值分解的滚动轴承故障诊断方法研究

  更多相关文章： 故障诊断 LMD 滚动轴承 特征提取 多尺度谱熵 模式识别

【摘要】：在现代化机械设备中,旋转机械设备所占比重很大,而滚动轴承又是旋转机械的关键组成部件,因此对旋转机械滚动轴承状态监测和故障诊断的研究势在必行。局部均值分解(Local Mean Decomposition,LMD)时频分析方法作为新的信号分解方法,有很好的优势对于处理和分析非平稳、非线性的振动信号,尤其是滚动轴承振动信号这样的复杂的调幅-调频信号。本文重点研究了基于LMD的滚动轴承故障诊断方法。其主要内容如下:首先,针对LMD分解方法存在的虚假分量问题,研究了一种基于迭代终止条件改进和残余分量再处理的方法。利用仿真信号和实际故障信号验证此方法的可行性和有效性。然后,研究了一种基于LMD多尺度熵和概率神经网络的滚动轴承故障诊断方法。此方法首先对滚动轴承振动信号进行LMD分解,然后求取分解所得的乘积函数(Product Function,PF)的多尺度熵(Multi-Scale Entropy,MSE),最后将熵值作为故障特征向量输入到概率神经网络进行模式识别,实现损伤位置和损伤程度的诊断。最后,将时频分析方法与数学形态学结合,提出一种新的故障特征表征参数——多尺度谱熵,并将其与LMD方法相结合,研究了一种基于LMD与多尺度谱熵分析的滚动轴承故障诊断方法。通过实验结果可知,该方法可以准确的获取滚动轴承振动信号的故障特征,有效的实现滚动轴承故障类型的诊断。
【关键词】：故障诊断 LMD 滚动轴承 特征提取 多尺度谱熵 模式识别
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH133.33
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-18
• 1.1 滚动轴承故障诊断的研究意义及其内容9-12
• 1.1.1 滚动轴承故障诊断的研究背景与意义9-10
• 1.1.2 滚动轴承故障诊断方法内容的研究10-12
• 1.2 滚动轴承故障诊断研究现状12-16
• 1.2.1 时域分析法12
• 1.2.2 频域分析法12-13
• 1.2.3 时频分析法13-16
• 1.3 项目来源及本文研究内容16-18
• 第2章 LMD时频分析方法研究18-27
• 2.1 前言18
• 2.2 基本理论18-20
• 2.2.1 调制信号18-20
• 2.2.2 EMD分解方法20
• 2.3 LMD基本原理20-25
• 2.3.1 LMD基本原理和算法20-23
• 2.3.2 基于LMD的瞬时频率23-25
• 2.4 LMD存在的不足25
• 2.5 本章小结25-27
• 第3章 基于LMD虚假分量问题的改进方法27-36
• 3.1 前言27
• 3.2 基于相关系数法的LMD虚假分量问题处理方法27-28
• 3.2.1 相关系数27
• 3.2.2 虚假分量问题处理方法27-28
• 3.3 能量比和功率谱的基本概念28-29
• 3.3.1 能量比28
• 3.3.2 功率谱28-29
• 3.4 仿真实验分析29-31
• 3.5 实验研究31-34
• 3.6 本章小结34-36
• 第4章 基于LMD多尺度熵和概率神经网络的滚动轴承故障诊断方法36-46
• 4.1 前言36
• 4.2 多尺度熵36-38
• 4.2.1 样本熵37
• 4.2.2 多尺度熵37-38
• 4.3 概率神经网络38-39
• 4.3.1 概率神经网络基础38
• 4.3.2 概率神经网络的模型38-39
• 4.4 基于LMD和神经网络的故障诊断39-44
• 4.4.1 诊断方法39-40
• 4.4.2 实验研究40-44
• 4.5 本章小结44-46
• 第5章 基于LMD与多尺度谱熵的滚动轴承故障诊断方法46-57
• 5.1 前言46
• 5.2 多尺度形态学46-48
• 5.2.1 多尺度形态学理论46-47
• 5.2.2 形态谱与形态谱熵47-48
• 5.3 多尺度谱熵48
• 5.4 小波半软阈值去噪理论48-50
• 5.5 基于LMD与多尺度谱熵的故障诊断50-51
• 5.6 实验研究51-56
• 5.7 本章小结56-57
• 结论57-59
• 参考文献59-64
• 攻读硕士学位期间承担的科研任务与主要成果64-65
• 致谢65

【相似文献】

中国期刊全文数据库 前10条

1 张益纯,刘振娟;滚动轴承故障分析探讨[J];内燃机配件;2000年03期

2 秦恺,陈进,姜鸣,陈春梅;一种滚动轴承故障特征提取的新方法——谱相关密度[J];振动与冲击;2001年01期

3 邓长春;;声发射法在滚动轴承故障识别中的应用[J];试验技术与试验机;2002年Z2期

4 任昭蓉;滚动轴承故障的小波诊断法[J];机械制造与自动化;2004年06期

5 陆爽,田野;滚动轴承故障特征识别的时频分析研究[J];机床与液压;2005年06期

6 江涌;基于余弦调频小波变换的滚动轴承故障研究[J];机械设计与制造;2005年06期

7 程光友;;时域指标在滚动轴承故障诊断中的应用[J];中国设备工程;2005年12期

8 陈洪军;赵新泽;王延军;;滚动轴承故障试验台的理论建模分析[J];四川理工学院学报(自然科学版);2005年04期

9 李崇晟;滚动轴承故障的非线性诊断方法[J];轴承;2005年05期

10 赵春华;严新平;赵新泽;袁成清;高虹亮;;滚动轴承故障的可拓物元诊断方法[J];润滑与密封;2006年04期

中国重要会议论文全文数据库 前10条

1 张益纯;;常见滚动轴承故障诊断的技术探讨[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年

2 刘玉林;;货车滚动轴承故障不分解诊断技术参数选择与优化探讨[A];扩大铁路对外开放、确保重点物资运输——中国科协2005年学术年会铁道分会场暨中国铁道学会学术年会和粤海通道运营管理学术研讨会论文集[C];2005年

3 杨积忠;左立建;;滚动轴承故障诊断实例[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

4 何斌;戚佳杰;;小波分析在滚动轴承故障诊断中的应用研究[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

5 李放宁;;峰值能量在滚动轴承故障诊断中的应用[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年

6 何斌;戚佳杰;;小波分析在滚动轴承故障诊断中的应用研究[A];第九届全国振动理论及应用学术会议论文集[C];2007年

7 张九军;;常见滚动轴承故障的简易诊断[A];2008年全国炼铁生产技术会议暨炼铁年会文集（上册）[C];2008年

8 李兴林;;滚动轴承故障诊断技术现状及发展[A];2009年全国青年摩擦学学术会议论文集[C];2009年

9 唐海峰;陈进;董广明;;信号稀疏分解方法在滚动轴承故障诊断中的应用[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

10 高耀智;;高阶统计量与小波分析相结合在滚动轴承故障诊断中的应用[A];2009年全国青年摩擦学学术会议论文集[C];2009年

中国博士学位论文全文数据库 前10条

1 郝腾飞;航空发动机滚动轴承故障的核方法智能识别技术研究[D];南京航空航天大学;2014年

2 廖强;约束独立分量和多小波分析在滚动轴承故障诊断中的应用[D];电子科技大学;2016年

3 曾鸣;基于凸包的模式识别方法及其在滚动轴承故障诊断中的应用[D];湖南大学;2016年

4 于江林;滚动轴承故障的非接触声学检测信号特性及重构技术研究[D];大庆石油学院;2009年

5 杨柳松;基于小波分析与神经网络滚动轴承故障诊断方法的研究[D];东北林业大学;2013年

6 从飞云;基于滑移向量序列奇异值分解的滚动轴承故障诊断研究[D];上海交通大学;2012年

7 赵协广;基于小波变换和经验模态分解的滚动轴承故障诊断方法研究[D];山东科技大学;2009年

8 侯者非;强噪声背景下滚动轴承故障诊断的关键技术研究[D];武汉理工大学;2010年

9 郭艳平;面向风力发电机组齿轮箱滚动轴承故障诊断的理论与方法研究[D];浙江大学;2012年

10 孟涛;齿轮与滚动轴承故障的振动分析与诊断[D];西北工业大学;2003年

中国硕士学位论文全文数据库 前10条

1 李玉奎;基于非平稳信号分析的滚动轴承故障诊断研究[D];燕山大学;2015年

2 卜勇霞;基于时频分析方法的滚动轴承故障诊断研究[D];昆明理工大学;2015年

3 马宝;基于KICA和LSSVM的滚动轴承故障监测及诊断方法[D];昆明理工大学;2015年

4 王德丽;基于改进HHT与SVM的滚动轴承故障诊断方法研究[D];北京交通大学;2016年

5 邵海贺;基于EEMD和最小二乘支持向量机的滚动轴承故障诊断方法研究[D];长春工业大学;2016年

6 张磊;滚动轴承故障程度和工况不敏感智能诊断方法研究[D];华东交通大学;2016年

7 胡猛;基于局部均值分解的滚动轴承故障诊断方法研究[D];燕山大学;2016年

8 苏翠娇;AMD和EMD方法在滚动轴承故障诊断中的应用研究[D];燕山大学;2016年

9 王腾超;基于振动监测的风电机组滚动轴承故障诊断应用研究[D];燕山大学;2016年

10 李亚超;基于VMD的滚动轴承故障诊断方法研究[D];石家庄铁道大学;2016年

，

本文编号：1039510