基于二维经验模态的滚动轴承故障诊断研究

发布时间：2017-03-19 01:01

  本文关键词：基于二维经验模态的滚动轴承故障诊断研究，，由笔耕文化传播整理发布。

【摘要】：旋转机械广泛应用于机械、电力、交通、冶金等各领域,因此旋转机械在人类社会的发展中起到重要作用。机械系统在工作中不可避免的会发生振动,一旦发生故障,振动加剧,就会导致事故发生,造成重大损失。因此,研究旋转机械的故障诊断很有必要。滚动轴承作为旋转机械中最关键的部件,在机械系统中发挥不可替代的作用,因此文中以滚动轴承为研究对象,采用基于二维经验模态分解方法对滚动轴承进行故障诊断的应用。研究内容主要包括以下几个方面:(1)针对滚动轴承故障信号的特征,提出基于BEMD的能量算子包络解调的方法。首先应用BEMD将非平稳、非线性的多分量的轴承故障信号分解,得到若干单分量信号,然后利用能量算子对单分量信号进行包络解调,在此基础上,通过包络信号谱得到幅值和频率信息。利用该方法对仿真信号和实测数据进行分析并与直接采用能量算子包络解调方法对比,结果表明基于BEMD与能量算子结合的方法更能有效的提取故障特征频率。(2)研究了基于相对BEMD能量与SVM的故障识别和基于相对BEMD能量与SOM的故障识别。首先将轴承故障信号进行分解,利用各个频段的相对BEMD能量作为特征向量,然后将SVM和SOM作为分类器,判断故障类型和故障程度,获得了很高的识别率,具有一定的工程应用价值。(3)针对轴承振动加速度信号容易受噪声影响,并且具有非线性、非平稳的特性,提出基于BEMD和混沌理论的滚动轴承早期的故障诊断方法。首先,将故障信号进行BEMD分解,得到包含轴承故障信息量最大的固有模态函数,然后利用混沌振子的分岔图找到相图轨迹发生变化的分界值,并将混沌振子的内部激励频率设置为轴承故障特征频率,从而观察混沌相轨迹的变化来检测轴承故障信息,并结合李雅普诺夫指数检测故障信号的存在。此方法简单、快速、在工程中具有很好的实用价值。
【关键词】：二维经验模态分解 相对BEMD能量 支持向量机 SOM 混沌振子
【学位授予单位】：石家庄铁道大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH133.33
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-15
• 1.1 课题背景和研究意义9
• 1.2 国内外研究现状9-13
• 1.2.1 轴承故障诊断技术的研究概况9-10
• 1.2.2 二维经验模态分解(BEMD)技术的研究现状10-11
• 1.2.3 神经网络技术和支持向量机的研究现状11-12
• 1.2.4 非线性信号处理技术的研究现状12-13
• 1.3 论文研究内容及创新点13-15
• 1.3.1 主要研究内容13-14
• 1.3.2 主要创新点14-15
• 第二章 滚动轴承的故障机理与特征15-19
• 2.1 滚动轴承的故障机理15-16
• 2.2 滚动轴承故障特征分析16-19
• 第三章 基于BEMD与能量算子的滚动轴承故障诊断19-33
• 3.1 二维经验模态分解20-22
• 3.1.1 二维经验模态的分解过程20-21
• 3.1.2 能量算子包络解调调原理21-22
• 3.2 轴承故障仿真信号22-26
• 3.3 实测轴承信号26-32
• 3.3.1 轴承外圈故障实验26-29
• 3.3.2 轴承内圈故障实验29-32
• 3.4 本章小结32-33
• 第四章 滚动轴承数据采集实验33-38
• 4.1 实验设计33-34
• 4.2 实验平台信号采集及故障诊断系统34-37
• 4.3 实验步骤及遇到的问题37
• 4.4 本章小结37-38
• 第五章 基于BEMD相对能量的滚动轴承故障诊断38-60
• 5.1 相对BEMD能量的特征提取38-39
• 5.2 支持向量机39-54
• 5.2.1 支持向量机的原理39-42
• 5.2.2 支持向量机模型的建立42
• 5.2.3 关于SVMTRAIN模型参数的选择42
• 5.2.4 基于BEMD相对能量的SVM实例应用42-54
• 5.3 SOM神经网络54-59
• 5.3.1 SOM神经网络学习算法54-55
• 5.3.2 SOM神经网络的故障诊断步骤55-56
• 5.3.3 基于BEMD相对能量的SOM实例应用56-59
• 5.4 本章小结59-60
• 第六章 基于BEMD和混沌振子的滚动轴承早期故障检测60-74
• 6.1 Duffing检测微弱周期信号的原理60-69
• 6.1.1 相图轨迹检测的仿真分析61-63
• 6.1.2 影响Duffing振子检测的因素63-66
• 6.1.3 李雅普诺夫指数检测的仿真分析66-69
• 6.2 基于BEMD和Duffing振子的滚动轴承的早期故障诊断69-73
• 6.3 本章小结73-74
• 第七章 结论与展望74-76
• 7.1 主要研究工作与结论74-75
• 7.2 研究工作展望75-76
• 参考 文献76-80
• 致谢80-81
• 个人简历、在学期间的研究成果及发表的学术论文81

【相似文献】

中国期刊全文数据库 前10条

1 瞿晓东;徐艳春;庞桂云;王立晶;赵月容;;新型混沌振子检测微弱光电信号幅值研究[J];黑龙江大学工程学报;2011年04期

2 张贵平;贾鑫;潘显俊;;混沌振子在强噪声背景下正弦信号的检测研究[J];装备指挥技术学院学报;2008年04期

3 张伟伟;马宏伟;;利用混沌振子系统识别超声导波信号的仿真研究[J];振动与冲击;2012年19期

4 李香莲;;汽车微弱振动信号的混沌振子识别[J];应用力学学报;2005年04期

5 李香莲;陈蕾;;基于混沌振子的微弱振动信号频变跟随器仿真设计[J];中国机械工程;2009年02期

6 徐艳春;杨春玲;;高阶混沌振子的微弱信号频率检测新方法[J];哈尔滨工业大学学报;2010年03期

7 席志红;李娅;边峦剑;;基于混沌振子系统的电力谐波检测研究[J];电子科技;2010年07期

8 冀常鹏;郭伟平;姬红红;;混沌振子微弱未知信号检测方法的改进[J];噪声与振动控制;2013年04期

9 陈新国;王洁芸;;混沌振子在不同初值下检测弱信号的性能分析[J];仪器仪表学报;2012年12期

10 张瑜;贺秋瑞;;基于混合系统的微弱信号参数提取方法[J];舰船科学技术;2013年02期

中国重要会议论文全文数据库 前8条

1 张永峰;郑健;王黎明;;舰船辐射噪声信号的混沌振子检测[A];2012'中国西部声学学术交流会论文集(Ⅰ)[C];2012年

2 李岭阳;王华庆;徐新韬;杨晓;;混沌振子在滚动轴承故障特征提取中的应用[A];第11届全国转子动力学学术讨论会（ROTDYN2014）论文集（上册）[C];2014年

3 徐艳春;杨春玲;瞿晓东;;基于混沌振子的微弱信号检测技术研究[A];2007'仪表，自动化及先进集成技术大会论文集（二）[C];2007年

4 齐彦生;李钢虎;李亚安;王红萍;;混沌振子对强噪声背景下微弱周期信号的检测[A];2006’和谐开发中国西部声学学术交流会论文集[C];2006年

5 廖红华;廖宇;袁海林;陈建军;于军;;基于互相关-混沌系统的芯片毛细管电泳检测方法研究[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅰ）[C];2008年

6 韩振榕;曲波;;基于混沌振子的微弱信号测频研究[A];中国仪器仪表学会2005年学术年会测控技术与节能环保学术会议论文集[C];2005年

7 苏理云;马洪;唐世福;;用混沌振子和神经网络检测混沌背景中的弱信号[A];2006中国控制与决策学术年会论文集[C];2006年

8 乔鑫;陈瑞;王勇;许录平;;一种脉冲星导航的微弱信号混沌测频方法[A];第一届中国卫星导航学术年会论文集（下）[C];2010年

中国博士学位论文全文数据库 前5条

1 谢涛;外激励型混沌振子微弱信号检测方法研究[D];北京交通大学;2009年

2 刘维清;耦合混沌振子的反向同步与振幅死亡[D];北京邮电大学;2008年

3 乐波;基于混沌振子与小波的低信噪比信号检测研究与应用[D];电子科技大学;2009年

4 陈新国;数字系统微弱泄漏电磁波信号检测方法研究[D];华中科技大学;2012年

5 苏理云;软计算理论及其在信号处理中的应用[D];四川大学;2007年

中国硕士学位论文全文数据库 前10条

1 赵璐;基于二维经验模态的滚动轴承故障诊断研究[D];石家庄铁道大学;2015年

2 刘晓华;混沌振子检测中的若干问题研究及应用[D];吉林大学;2006年

3 叶锋;一类混沌振子检测系统的研究[D];天津大学;2008年

4 张勇;基于混沌振子和小波理论的微弱信号检测研究[D];南京航空航天大学;2009年

5 张芳;混沌振子多进制调制解调技术研究[D];哈尔滨工程大学;2011年

6 庄艳丽;基于混沌振子的微弱信号检测方法研究[D];电子科技大学;2006年

7 齐彦生;基于混沌振子的微弱水下目标信号检测研究[D];西北工业大学;2007年

8 李继永;基于混沌振子的微弱信号检测技术研究[D];电子科技大学;2010年

9 魏新建;基于Duffing混沌振子的弱信号检测方法[D];天津大学;2010年

10 王洪玉;基于混沌振子的车载超声测距系统研究[D];长春理工大学;2009年

  本文关键词：基于二维经验模态的滚动轴承故障诊断研究，由笔耕文化传播整理发布。

本文编号：255267