大型机械加工设备轴承故障诊断方法研究

发布时间：2017-10-19 12:15

  本文关键词：大型机械加工设备轴承故障诊断方法研究

  更多相关文章： 局域均值分解 数学形态学 粒子群算法 最小二成支持向量机

【摘要】：轴承作为大型机械加工设备运转的关键部件,一旦出现故障将有可能导致整个加工制造系统的瘫痪,影响企业的生产。本论文以大型机械加工设备作为研究对象,对其轴承故障进行诊断研究,研究内容如下:(1)分析大型机械加工设备的运行特点,以及测量轴承振动信号的方法。在研究局域均值分解(Local Mean Decomposition,LMD)方法的原理基础上,提出基于周期性的极值点延拓方法,在一定程度上解决了算法本身带来的端点效应问题,应用相关分析方法解决虚假分量问题,并通过仿真实验对问题解决方法进行了验证。应用数学形态学对测量信号进行降噪,并提出一种自适应的三角形结构元素。提出“LMD-形态降噪-LMD”的双LMD信号处理方法,实现了信号的降噪和分解,在分析轴承结构的基础上选取了主要的PF分量,并提取其能量特征。(2)研究最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)方法的基础理论,基于提取的特征向量的特点提出一种新的核函数;对LSSVM的核参数和可调参数对分类的影响进行了研究,选择粒子群(Particle Swarm Optimization Algorithm,PSO)方法对LSSVM的核参数和可调参数进行优化;在研究PSO基础理论的基础上,应用混沌方法丰富PSO的种群,并应用动态的参数控制平衡了PSO的局部和全局搜索能力;在上述研究的基础上,提出了改进的PSO-LSSVM方法,实现了对轴承故障特征向量的模式识别。(3)以大型机械加工设备轴承故障诊断的理论研究为基础,LabVIEW为平台,结合MATLAB,编写了大型机械加工设备的轴承故障诊断系统,实现了轴承故障的在线诊断。对论文提出的双LMD信号分解方法和改进的PSO-LSSVM故障识别方法进行实验验证,得到了与实际情况相一致的结果,证明了论文提出的轴承诊断方法的可行性,且对于实现大型机械加工设备轴承的定期维护有重要的参考价值。
【关键词】：局域均值分解 数学形态学 粒子群算法 最小二成支持向量机
【学位授予单位】：山东理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH133.3
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-19
• 1.1 课题来源9
• 1.2 大型机械加工设备轴承故障诊断的研究意义9-10
• 1.3 大型机械加工设备轴承故障研究现状10-12
• 1.3.0 大型机械加工设备的故障诊断技术的发展10-11
• 1.3.1 常见的轴承故障类型11
• 1.3.2 轴承故障诊断方法11-12
• 1.4 基于振动信号的轴承故障的特征提取方法12-15
• 1.5 轴承故障识别方法15-17
• 1.5.1 支持向量机15-16
• 1.5.2 最小二乘支持向量机16
• 1.5.3 PSO优化算法16-17
• 1.6 论文的主要研究内容17-18
• 1.7 本章小结18-19
• 第二章 轴承振动信号分析及特征提取19-36
• 2.1 大型加工机械设备轴承运行特点及数据采集方法19-20
• 2.2 LMD算法20-26
• 2.2.1 LMD算法过程20-22
• 2.2.2 虚假分量及判别方法22-23
• 2.2.3 端点效应及改进方法23-25
• 2.2.4 噪声对LMD分解的影响25-26
• 2.3 数学形态学降噪26-29
• 2.3.1 数学形态基本运算26-28
• 2.3.2 结构元素的选取28-29
• 2.4 基于形态学降噪的双LMD降噪及特征提取29-30
• 2.5 信号仿真实验30-35
• 2.6 本章小结35-36
• 第三章 基于PSO-LSSVM的轴承故障诊断36-60
• 3.1 最小二乘支持向量机36-37
• 3.2 核函数37-39
• 3.2.1 常用核函数37-38
• 3.2.2 适应信号特点的新核函数38-39
• 3.3 LSSVM参数对分类的影响39-41
• 3.4 LSSVM的多分类问题41-42
• 3.5 改进的粒子群算法42-45
• 3.5.1 PSO算法42-43
• 3.5.2 PSO的改进方法43-45
• 3.6 基于改进的PSO-LSSVM算法45-46
• 3.7 PSO- LSSVM的评价指标46-47
• 3.8 基于双LMD的PSO-LSSVM大型机械加工设备的轴承故障诊断方法393.9 轴承故障诊断实验方法研究47-48
• 3.9 轴承故障诊断实验方法研究48-59
• 3.9.1 大型加工机械的轴承信号测量48-49
• 3.9.2 双LMD信号处理及特征提取49-56
• 3.9.3 轴承故障预测56-59
• 3.10 本章小结59-60
• 第四章 可视化的大型机械加工设备的轴承故障诊断程序60-66
• 4.1 系统的功能60
• 4.2 可视化的大型机械加工设备的轴承故障诊断程序设计60-65
• 4.2.1 信号处理过程的的可视化60-63
• 4.2.2 轴承故障诊断63-65
• 4.3 本章小结65-66
• 第五章 总结与展望66-67
• 参考文献67-71
• 攻读硕士学位期间发表的论文和科研情况71-72
• 致谢72

【相似文献】

中国期刊全文数据库 前10条

1 刘武强;;机械加工设备的安全生产管理和维修[J];科技创新与应用;2012年05期

2 方俊玉;;利用曲线选择机械加工设备[J];机械科学与技术;1991年04期

3 方俊玉;;利用曲线选择机械加工设备[J];机械科学与技术;1991年04期

4 崔德敏;卜新民;;《机械加工设备》课程改革的创新与实践[J];青春岁月;2013年22期

5 康新龙;;机械加工设备课程教学改革与实践[J];河北能源职业技术学院学报;2007年03期

6 陶宝荣;;浅析机械加工设备维护规范[J];品牌与标准化;2010年18期

7 李宏林;;“三步走”教学法在高职“机械加工设备”课程中的应用[J];机械职业教育;2013年05期

8 ;二硫化钼在机械加工设备上的应用[J];电子管技术;1967年03期

9 曾荣芳;;机械加工设备管理的仿生学[J];太原机械学院学报;1986年02期

10 ;国外二手机械加工设备供货清单(续)[J];组合机床与自动化加工技术;1993年09期

中国硕士学位论文全文数据库 前2条

1 蔡道勇;大型机械加工设备轴承故障诊断方法研究[D];山东理工大学;2016年

2 刘弟新;机械加工设备布局方法及其仿真技术研究[D];大连理工大学;2006年

，

本文编号：1061040