基于时频分析方法的滚动轴承故障诊断研究

发布时间：2017-11-02 01:35

  本文关键词：基于时频分析方法的滚动轴承故障诊断研究

  更多相关文章： 滚动轴承 故障诊断 时频分析 LMD 广义解调时频分析方法

【摘要】：机械设备故障诊断日益的重要,尤其是旋转机械中最重要、最普遍的滚动轴承的故障诊断。为了保证旋转机械设备的安全、可靠、高效运行,滚动轴承故障诊断是非常重要和必要的。然而,滚动轴承的振动信号具有复杂、非平稳的特点。因此,在滚动轴承故障诊断中,故障特征提取是重点难点,也是研究的热点。本文主要探讨研究了广义解调时频分析方法(Generalized Demodulation Approach to Time-frequency, GDAT)、局部均值分解(Local Mean Decomposition, LMD)两种时频分析方法,并提出了基于LMD和LSSVM的滚动轴承故障诊断方法和基于GDAT和LSSVM的滚动轴承故障诊断方法。本文研究内容如下：(1)文中探讨研究了GDAT。在文中分析了GDAT的理论内容,通过数值仿真验证该方法在提取信号时频特征的优越性,并将这种方法用于滚动轴承的故障诊断中。建立一种基于GDAT的滚动轴承故障诊断方法,并用实验数据进行仿真,通过仿真实验去验证该方法在提取滚动轴承故障特征时的优越性。(2)LMD算法为我们提供一种新的瞬时频率求解途径一直接法。与Hilbert变换相比,运用直接法求取瞬时频率,不但消除端点效应,而且该方法提取的信息更完整。但直接法还存在一些问题,所以对其进行优化改进,使得求取的信号更为准确有效。并提出一种基于LMD直接法的滚动轴承故障诊断方法。(3)为了能够使滚动轴承故障诊断更为快速准确,同时使其智能化程度更高,文中结合机器学习方法,建立了基于LMD和LSSVM的滚动轴承故障诊断方法和基于GDAT和LSSVM的滚动轴承故障诊断方法。这两种方法都比单独使用LSSVM对滚动轴承进行故障分类的结果好。
【关键词】：滚动轴承 故障诊断 时频分析 LMD 广义解调时频分析方法
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH133.33;TH165.3
【目录】：

• 摘要5-6
• Abstract6-11
• 第一章 绪论11-19
• 1.1 研究背景与意义11
• 1.2 故障诊断研究现状11-13
• 1.3 时频分析方法的研究13-16
• 1.3.1 傅里叶变换14
• 1.3.2 Hilbert-Huang变换14-15
• 1.3.3 极大重叠离散小波包变换15
• 1.3.4 广义解调时频分析方法15-16
• 1.3.5 局部均值分解时频分析方法16
• 1.4 本文的创新点和章节安排16-19
• 第二章 理论基础19-29
• 2.1 EMD分解19-21
• 2.2 LMD分解21-23
• 2.3 MODWPT23-25
• 2.4 广义解调时频分析方法25-26
• 2.5 本章小结26-29
• 第三章 基于广义解调时频分析方法的滚动轴承故障诊断29-39
• 3.1 广义解调时频分析方法29-30
• 3.2 Hilbert变换30-32
• 3.2.1 解析信号30-31
• 3.2.2 瞬时频率31-32
• 3.3 基于GDAT的滚动轴承故障诊断32-37
• 3.3.1 基于GDAT的滚动轴承故障诊断方法的建立32-33
• 3.3.2 相位函数的选择33-34
• 3.3.3 数值仿真34-35
• 3.3.4 仿真实验35-37
• 3.4 本章小节37-39
• 第四章 基于LMD直接法的滚动轴承故障诊断39-63
• 4.1 LMD分解方法39-42
• 4.1.1 EMD分解方法39-40
• 4.1.2 LMD40-41
• 4.1.3 EMD和LMD分解结果比较41-42
• 4.2 直接法求取瞬时频率42-47
• 4.2.1 直接法43-45
• 4.2.2 毛刺出现的原因及解决方法45-46
• 4.2.3 直接法的判别条件46
• 4.2.4 改进“直接法”求取信号瞬时频率的过程46-47
• 4.3 基于LMD直接法瞬时频率求解方法47-51
• 4.3.1 基于Hilbert变换的瞬时频率求解方法47-48
• 4.3.1.1 Hilbert-Huang变换47
• 4.3.1.2 基于LMD和Hilbert变换时频分析方法147-48
• 4.3.2 基于LMD直接法时频分析方法48-50
• 4.3.3 仿真结果比较50-51
• 4.4 基于LMD直接法的滚动轴承故障诊断51-60
• 4.4.1 基于LMD直接法的滚动轴承故障诊断方法的建立51-52
• 4.4.2 数据仿真52-60
• 4.4.2.1 时频谱分析52-54
• 4.4.2.2 边际谱54-55
• 4.4.2.3 仿真信号的LMD直接法边际谱分析55-60
• 4.5 本章小结60-63
• 第五章 基于LSSVM的滚动轴承故障诊断63-73
• 5.1 基于LSSVM的滚动轴承故障诊断思路63-64
• 5.2 AR模型及其参数求解方法64-65
• 5.3 最小二乘支持向量机65-67
• 5.4 基于LSSVM的滚动轴承故障诊断67-69
• 5.4.1 基于LMD和LSSVM滚动轴承故障诊断67-68
• 5.4.2 基于GDAT和LSSVM的滚动轴承故障诊断68
• 5.4.3 基于LSSVM的滚动轴承故障诊断68-69
• 5.5 数据仿真69-72
• 5.6 本章小节72-73
• 第六章 总结与展望73-75
• 6.1 总结73-74
• 6.2 展望74-75
• 参考文献75-79
• 致谢79-81
• 附录81

【参考文献】

中国期刊全文数据库 前1条

1 杨宇;杨丽湘;程军圣;;基于MODWPT的包络阶次谱在滚动轴承故障诊断中的应用[J];哈尔滨工程大学学报;2010年10期

中国硕士学位论文全文数据库 前1条

1 王龙;基于数据驱动的风力发电系统齿轮箱故障诊断策略研究[D];江南大学;2013年

，

本文编号：1129447