基于形态滤波及局部切空间排列算法的滚动轴承微弱故障分类

发布时间：2017-03-22 09:07

  本文关键词：基于形态滤波及局部切空间排列算法的滚动轴承微弱故障分类，由笔耕文化传播整理发布。

【摘要】：滚动轴承是一种使用在旋转机械设备中，并且最为常见的零部件，担负着极其重要的角色，但与此同时，其故障发生的频率也较高。滚动轴承的健康状况影响着整个机械系统的工作状态，当滚动轴承存在故障时，不仅会影响到设备的正常使用，还会使得企业正常的生产过程难以实现，如若故障发现不及时，严重情况下还能引发生产事故，导致广大人民群众巨大的财物及人身损失。因而，滚动轴承故障诊断的研究有着非常重要的意义。 振动是轴承运行时不可避免的现象，当其内、外圈以及滚动体上产生故障时，其振动往往更为强烈，将会出现周期性的冲击信号，从而导致调制信号的产生，不同的故障呈现不同的故障频率。因此该领域当前的研究重点之一是如何有效地获取故障信号特征。 轴承实际工作过程中，由于随机噪声、振动传递路径等因素的影响，产生的振动信号是非线性的，导致传统的傅氏变换、小波变换等线性方法难以准确提取出故障信号的特征。本文简要介绍了几种时域、频域及时频域方法，重点阐述了数学形态学在处理非线性振动信号时的应用方法及其优缺点。同时，，针对滚动轴承发生微弱故障时，振动信号具有高噪声，低信噪比的特点，进一步说明了流形学习在进行故障分类时的如何应用，并对全局与局部流形学习方法进行了比较。 本文采用实验获取数据并对理论进行验证。该实验分别采集了滚动轴承内圈、外圈及滚动体各部位产生直径为0.1778mm,0.3556mm,0.5334mm,0.7112mm的点蚀故障时的振动信号，然后借助MATLAB软件编程，对实验所得数据进行处理。 在实验数据基础上，分别使用传统小波包滤波与形态滤波器对非线性信号数据进行滤波降噪，然后进一步采用全局及局部流形学习算法对滤波降噪后的数据提取特征值并进行故障分类，处理结果有效说明了形态滤波及局部切空间排列算法在处理非线性信号时的优越性。
【关键词】：滚动轴承 故障诊断 形态滤波 流形学习 局部切空间排列算法 模式识别
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH133.33;TH165.3
【目录】：

• 摘要3-5
• ABSTRACT5-11
• 第一章 绪论11-17
• 1.1 引言11-12
• 1.2 机械故障诊断的发展概况12-13
• 1.3 旋转机械故障诊断的发展概况13-14
• 1.4 本论文的主要结构和工作内容14-15
• 1.5 本章小结15-17
• 第二章 滚动轴承的故障机理及故障信号分析方法17-35
• 2.1 滚动轴承的主要故障及故障机理17-20
• 2.2 滚动轴承振动机理及故障特征频率分析20-25
• 2.2.1 滚动轴承振动机理20-23
• 2.2.2 滚动轴承故障特征频率分析23-25
• 2.3 滚动轴承的早期微弱故障的特征25-26
• 2.4 滚动轴承故障信号采集与分析26-33
• 2.4.1 滚动轴承的故障信号数据采集26
• 2.4.2 传统的滚动轴承故障信号分析方法26-33
• 2.5 本章小结33-35
• 第三章 形态算法在滚动轴承微弱故障信号分析中的应用35-47
• 3.1 数学形态学简介及理论基础35-37
• 3.1.1 数学形态学简介35
• 3.1.2 数学形态学理论基础35-37
• 3.2 数学形态学的运算算子和结构元素37-44
• 3.2.1 二值形态学基本算子37-39
• 3.2.2 灰度形态学基本算子39-42
• 3.2.3 广义形态算子42-43
• 3.2.4 结构元素43-44
• 3.3 形态滤波器44
• 3.4 形态滤波器的设计44-45
• 3.5 本章小结45-47
• 第四章 流形学习在滚动轴承故障诊断中的应用47-65
• 4.1 流形学习的简介47-54
• 4.1.1 流形学习的基本理论47-48
• 4.1.2 流形学习的分类48-50
• 4.1.3 常见的流形学习方法50-53
• 4.1.4 流形学习应用于故障诊断的主要问题53-54
• 4.2 原始特征生成54-57
• 4.3 传统降维方法57-60
• 4.3.1 主成分分析法(PCA)58-59
• 4.3.2 传统降维方法与流形学习方法的说明与比较59-60
• 4.4 局部切空间排列算法(LTSA)简介60-64
• 4.4.1 局部邻域构造60
• 4.4.2 局部坐标线性拟合60
• 4.4.3 局部坐标全局排列60-61
• 4.4.4 特征空间构建61-62
• 4.4.5 局部切空间排列算法分析62-64
• 4.5 本章小结64-65
• 第五章 滚动轴承微弱故障实验及故障分类识别65-73
• 5.1 实验装置及数据简介65-66
• 5.2 滚动轴承振动信号的故障分类识别66-72
• 5.3 本章小结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
• 攻读硕士学位期间发表的论文81

【参考文献】

中国期刊全文数据库 前10条

1 周俊丽;周久华;;滚动轴承故障机理与诊断策略[J];四川兵工学报;2012年04期

2 焦李成,保铮;子波理论与应用:进展与展望[J];电子学报;1993年07期

3 姚桂艳,孙丽媛,程秀芳,薛全会;机械故障诊断技术的研究现状及发展趋势[J];河北理工学院学报;2005年03期

4 贾艳秋;张兵;陈雪梅;;滚动轴承的故障机理及诊断[J];化工装备技术;2011年04期

5 罗邦R

本文编号：261234