基于经验小波变换的机械故障诊断方法

发布时间：2017-03-22 16:13

  本文关键词：基于经验小波变换的机械故障诊断方法，由笔耕文化传播整理发布。

【摘要】：转子、齿轮和轴承等作为许多机械设备的重要零部件,在运转过程中起着举足轻重的作用,对这些零部件的故障诊断方法进行研究具有重要的现实意义。目前,通常以时频分析方法作为处理非平稳机械故障振动信号的主要手段。本文采用经验小波变换这种自适应的时频分析方法,并结合一些其他的处理手段,对机械故障振动信号进行分析处理。主要研究内容如下:1、基于经验小波变换时频分析的机械故障诊断经验小波变换(EWT)是一种针对信号傅里叶频谱进行划分滤波的信号处理方法。该方法首先针对信号的傅里叶频谱极大值进行自适应的划分;然后建立小波滤波器组对划分过的频谱进行滤波,对滤波后得到的单分量成分进行Hilbert变换并得到其时频分布;最后针对仿真信号和几组典型的实验转子故障信号进行EWT方法和经验模态分解方法(EMD)的性能比较研究,结果表明:EWT方法能准确地分析机械故障信号,故障特征值明显,可有效应用于旋转机械故障诊断。2、基于改进的EWT和快速谱峭度滤波的齿轮与滚动轴承故障诊断改进的经验小波变换方法(IEWT)是一种自适应信号处理方法,本文提出将该方法和快速谱峭度(FSK)相结合,进行齿轮和滚动轴承的故障诊断。首先采用IEWT方法对信号进行分解重构;然后对重构信号进行快速谱峭度滤波;最后对滤波后的信号进行包络谱分析,从而得到信号的故障特征频率成分。使用该方法分析齿轮断齿故障和滚动轴承故障信号,并与EMD方法的性能进行比较研究,结果表明该种方法更具区分性,可以有效识别齿轮和滚动轴承的的故障类型。3、基于IEWT和模糊C均值聚类的滚动轴承故障诊断将IEWT变换、奇异值分解(SVD)和模糊C均值聚类算法(FCM)相结合进行滚动轴承故障模式识别,该方法首先采用IEWT方法对信号进行分解,取相关系数较大的几个分量组成初始特征向量矩阵,而后对初始特征向量矩阵进行奇异值分解,组成奇异值特征向量矩阵,最后将奇异值特征向量矩阵作为数据源输入FCM进行故障模式识别。将该方法与基于EMD和FCM的模式识别方法进行对比,结果表明基于IEWT和FCM的模式识别方法具有更高的准确性和区分性,可以有效的应用于滚动轴承故障诊断。
【关键词】：故障诊断 经验小波变换 快速谱峭度 模糊C均值聚类
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH17
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-15
• 1.1 机械故障诊断的意义10-11
• 1.2 机械故障诊断研究现状11
• 1.3 振动信号处理方法11-14
• 1.4 论文主要研究内容和章节安排14-15
• 第2章 基于经验小波变换的旋转机械故障诊断方法15-27
• 2.1 转子故障特征15-17
• 2.1.1 转子不平衡和转子不对中15-16
• 2.1.2 转子碰磨16-17
• 2.1.3 油膜涡动和油膜振荡17
• 2.2 经验小波变换17-19
• 2.3 EWT和EMD方法的比较19-26
• 2.3.1 仿真信号分析19-21
• 2.3.2 实验信号分析21-26
• 2.4 本章小结26-27
• 第3章 基于改进的EWT和快速谱峭度滤波的齿轮与滚动轴承故障诊断27-40
• 3.1 齿轮和轴承故障28-29
• 3.1.1 齿轮故障类型及征兆28
• 3.1.2 滚动轴承故障类型及征兆28-29
• 3.2 基于IEWT和FSK的包络谱分析方法29-32
• 3.2.1 改进的EWT变换29-30
• 3.2.2 基于谱峭度的滤波方法30-32
• 3.2.3 故障诊断方法流程32
• 3.3 试验分析32-39
• 3.3.1 齿轮断齿故障32-37
• 3.3.2 轴承外圈故障37-39
• 3.4 本章小结39-40
• 第4章 基于IEWT和模糊C均值聚类的滚动轴承故障诊断40-53
• 4.1 基于IEWT和FCM的滚动轴承故障诊断方法40-43
• 4.1.1 奇异值分解技术40-41
• 4.1.2 模糊C均值聚类算法41-43
• 4.1.3 基于IEWT和FCM的滚动轴承故障诊断方法流程43
• 4.2 实验分析43-51
• 4.3 本章小结51-53
• 第5章 结论与展望53-55
• 5.1 结论53
• 5.2 展望53-55
• 参考文献55-58
• 攻读硕士学位期间发表的论文及其它成果58-59
• 致谢59

【相似文献】

中国期刊全文数据库 前10条

1 林克正,李殿璞;基于小波变换的去噪方法[J];哈尔滨工程大学学报;2000年04期

2 李正东,王晓菊,何武良,郑晓东,成家源,彭文,裴春兰,宋琛;利用小波变换进行目标识别的方法研究[J];光学精密工程;2001年03期

3 刘镇清,黄瑞菊;小波变换及其应用[J];无损检测;2001年04期

4 苗常青;汪渤;邹益民;付梦印;;一种基于小波变换的电视图像分割方法[J];弹箭与制导学报;2005年S1期

5 丁润涛,程凌宇;应用新抽样栅格的两种小波变换图像去噪方法[J];天津大学学报;2005年01期

6 胡静涛;郭前进;;基于线调频小波变换的旋转机械故障诊断[J];仪器仪表学报;2006年S1期

7 陈铁;何琼;;小波变换及其在时频分析中的应用[J];中国水运(学术版);2006年05期

8 余晓洁;;小波变换在心电图R波检测中的应用[J];中国传媒大学学报(自然科学版);2007年01期

9 陈朝霞;;小波变换在信号突变检测中的应用[J];佳木斯大学学报(自然科学版);2007年06期

10 章玮玮;肖军;王文锋;;小波变换去噪法在动态测试中的应用[J];四川兵工学报;2009年11期

中国重要会议论文全文数据库 前10条

1 曹思远;牟永光;;小波变换与信号分解[A];1992年中国地球物理学会第八届学术年会论文集[C];1992年

2 张霖;钱敏;葛军;;几种典型环节的小波变换研究[A];1996年中国控制会议论文集[C];1996年

3 鲍文;祝豪;刘金福;;基于多尺度小波变换的电厂数据压缩方法研究[A];2004电站自动化信息化学术技术交流会议论文集[C];2004年

4 龚妙昆;万福永;;用统计方法和小波变换确定心电图数据中的R波[A];2006中国控制与决策学术年会论文集[C];2006年

5 赵聪慧;张淑娟;;小波变换在农产品无损检测中的应用研究[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

6 朱光明;高静怀;王玉贵;;小波变换及其在一维滤波中的应用[A];1992年中国地球物理学会第八届学术年会论文集[C];1992年

7 金刚石;赵毅;季云松;;基于小波变换的红外图像滤波[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

8 刘卫东;李乐;张静远;;一种基于小波变换的水声成像实验研究[A];2008’促进中西部发展声学学术交流会论文集[C];2008年

9 赵丽红;蔡玉;徐心和;;基于小波变换和多分类器融合的人脸识别[A];2007中国控制与决策学术年会论文集[C];2007年

10 鲁昌华;汪济洲;;小波变换在通用DSP上的快速实现[A];第十七届全国测控计量仪器仪表学术年会（MCMI'2007）论文集（上册）[C];2007年

中国重要报纸全文数据库 前1条

1 吴玉田殷学平;中药质量控制又添新武器——小波变换近红外光谱分析系统[N];中国医药报;2004年

中国博士学位论文全文数据库 前10条

1 王利琴;心电信号波形检测与心律失常分类研究[D];河北工业大学;2014年

2 宋长贺;基于GPU的高性能遥感图像解码方法研究[D];西安电子科技大学;2015年

3 王丽荣;基于小波变换的目标检测方法研究[D];吉林大学;2006年

4 熊智新;基于小波变换的化学谱图数据处理[D];浙江大学;2004年

5 魏云冰;小波变换在电机故障诊断与测试中的应用研究[D];浙江大学;2002年

6 丁文鹏;自适应方向提升小波变换及应用[D];中国科学技术大学;2009年

7 董卫军;基于小波变换的图像处理技术研究[D];西北大学;2006年

8 聂磊;小波变换用于重叠化学信号的分辨研究[D];中国科学技术大学;2002年

9 张秀琦;基于小波变换的化学计量学方法及几种抗癌药物的电化学研究[D];西北大学;2001年

10 邓玉强;小波变换在飞秒激光技术中的应用[D];天津大学;2005年

中国硕士学位论文全文数据库 前10条

1 段晓杰;基于小波变换的数字水印算法及评价方法研究[D];辽宁大学;2015年

2 黄新安;胎儿心率检测算法的研究[D];江南大学;2015年

3 周玉;小波变换在高速铁路牵引供电地震防灾系统中的应用研究[D];西南交通大学;2015年

4 郭亚妮;基于DSP的小波变换在雷达回波信号去噪中的研究[D];天津理工大学;2015年

5 曾燕来;基于小波变换语音去噪的研究及应用[D];长安大学;2015年

6 乌月汗;基于小波变换人脸识别的算法研究[D];内蒙古大学;2015年

7 杭钟灵;基于数据挖掘的实时电力远动传输异常检测[D];上海交通大学;2015年

8 李玲;基于切向—径向小波变换的图像压缩编码的算法研究[D];河北工业大学;2015年

9 李凯;声定位系统中信标信号识别算法研究[D];中北大学;2016年

10 王晴晴;FFT和小波变换混合的谐波检测研究[D];安徽理工大学;2016年

  本文关键词：基于经验小波变换的机械故障诊断方法，，由笔耕文化传播整理发布。

本文编号：261859