LMD-矢时域边际谱在滚动轴承故障诊断中的应用研究

发布时间：2017-12-26 13:24

  本文关键词：LMD-矢时域边际谱在滚动轴承故障诊断中的应用研究　出处：《郑州大学》2017年硕士论文　论文类型：学位论文

  更多相关文章： 全矢谱 局部均值分解(LMD) 时域边际谱 滚动轴承 故障诊断

【摘要】：滚动轴承是旋转机械中用途广泛并且十分重要的零件,对保证机械的稳定运行具有重要作用,因此,对其故障诊断的研究,已成为当前机械领域的重点研究内容之一。传统的基于单通道信息的信号处理方法,具有偶然性,可靠性较差,因此对双通道的同源信息进行融合处理,对保证数据的准确性非常关键,全矢谱就是其中一种比较优秀的同源信息融合方法,在许多领域得到应用。故障诊断方面,许多学者进行了大量的研究并发展了一些分析技术,但是对于成分复杂的滚动轴承振动信号,使用单一的某种技术并不能取得很好的效果。本文将全矢谱技术和局部均值分解方法联合使用,对滚动轴承故障类型进行初步判断,并在此基础上,借鉴边际谱思想对其进行了扩展,提出了LMD-矢时域边际谱方法。通过实例分析,验证了该方法在判断滚动轴承故障类型时,具有高效性和准确性。主要研究内容如下:(1)介绍了全矢谱的相关理论,并通过真实的数据,验证其全面性、可靠性和良好的兼容性;(2)研究了局部均值分解的思想,并和全矢谱技术相融合,通过仿真分析,证明了全矢LMD方法的正确性;(3)针对工程中复杂的信号,单纯LMD分解有时不能分辨故障特征的状况,借鉴边际谱思想,提出了LMD-矢时域边际谱方法,并通过实例分析,验证了此方法在判断滚动轴承故障类型时的高效性和准确性。
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TH133.33

【相似文献】

相关期刊论文 前10条

1 王延松，李树才，蒋钰洁;滚动轴承故障的快速诊断[J];林业机械与木工设备;1996年03期

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 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

10 李崇晟;滚动轴承故障的非线性诊断方法[J];轴承;2005年05期

相关会议论文 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

相关博士学位论文 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 王聪;基于稀疏表达的机械信号处理方法及其在滚动轴承故障诊新中的应用研究[D];中国科学技术大学;2017年

5 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

6 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

7 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

8 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

9 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

10 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

相关硕士学位论文 前10条

1 杨乐乐;LMD-矢时域边际谱在滚动轴承故障诊断中的应用研究[D];郑州大学;2017年

2 李男;基于LMD样本熵和贝叶斯网络的滚动轴承故障诊断方法[D];燕山大学;2015年

3 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

4 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

5 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

6 冯春生;基于多源不确定信息融合的数控机床滚动轴承故障诊断方法与实验研究[D];青岛理工大学;2015年

7 王天一;基于正交小波优化阈值降噪方法的滚动轴承故障诊断研究[D];哈尔滨工业大学;2015年

8 宋耀文;基于振动信号分析的滚动轴承故障特征提取与诊断研究[D];中国矿业大学;2015年

9 韩一村;基于多传感器的滚动轴承故障检测研究[D];河南科技大学;2015年

10 王秀娟;基于LMD的谱峭度算法在滚动轴承故障诊断中的应用研究[D];电子科技大学;2014年

，

本文编号：1337453