基于小波分形和神经网络的滚动轴承故障诊断

发布时间：2020-06-09 17:23

【摘要】： 滚动轴承是旋转机械中应用广泛,同时也是易损零件之一。它的运行状态直接影响到整个机械设备的状态。对滚动轴承进行状态监测及故障诊断能及时发现故障,能有效保护工厂财产及工人人身安全。因此,研究滚动轴承故障诊断技术有很重要的现实意义。 利用电火花线切割技术破坏滚动轴承来模拟轴承故障,采用模拟故障代替实际故障进行试验研究。搭建滚动轴承故障诊断实验平台并在实验平台上采集滚动轴承振动信号用于试验研究。 为了有效地提取滚动轴承故障特征,研究了小波分析和分形两种理论在滚动轴承振动信号故障特征提取方面的应用。利用小波工具对滚动轴承振动信号降噪,应用小波包多层分解和重构提取出滚动轴承振动信号不同频段的能量特征。基于分形理论,研究了分形维数在滚动轴承故障诊断中的应用。 研究了神经网络在滚动轴承智能诊断方面的应用。基于振动信号分析的故障特征提取方法很多,但每种方法都只在某一方面反映了故障特点,单独应用诊断效果不是很好。本文通过对比以不同方法提取的故障特征组合作为神经网络的输入,最终确定利用小波分析、分形和神经网络相结合的方法对滚动轴承进行故障诊断。利用神经网络进行滚动轴承故障诊断,可以降低对操作人员的专业知识要求,将故障诊断从传统方法转向人工智能方向。同时,诊断系统中智能技术的应用能大大降低维修人员工作压力。 利用ActiveX技术对VB和MATLAB混合编程,开发了滚动轴承故障诊断系统。VB和MATLAB是实际应用中被广泛运用的两种程序语言,它们各有优点,VB长于界面设计,常常被用来编写应用程序,而MATLAB长于数值计算、编程简便。利用VB和MATLAB进行混合编程能综合两种语言的长处,有效节省开发时间。
【图文】：

对同一故障模式，分别采用0.3xlmm，0.6xzmm，0.gxlmm，l.Zxlmm尺寸来制造故障，每一尺寸故障的轴承分别为4个，正常轴承及不同故障尺寸的轴承个数如表2一1所示，轴承样本实物如图2一1所示。

对同一故障模式，分别采用0.3xlmm，0.6xzmm，0.gxlmm，l.Zxlmm尺寸来制造故障，每一尺寸故障的轴承分别为4个，正常轴承及不同故障尺寸的轴承个数如表2一1所示，，轴承样本实物如图2一1所示。
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：TH133.33

【相似文献】

相关期刊论文 前10条

1 陈爱武;贾建芳;吴俊清;;基于自适应观测器的线性离散系统故障诊断[J];南京理工大学学报;2011年03期

2 董作见;;简介液压系统故障的诊断方法[J];企业导报;2011年08期

3 兰琴丽;章乐多;;BP神经网络在光伏发电系统故障诊断中的应用[J];通信电源技术;2011年04期

4 赵欣;;基于多传感器融合与贝叶斯网络在电力系统故障诊断方法研究[J];价值工程;2011年23期

5 朱晓慧;;煤矿乳化液泵站常见故障及维修方法[J];中国新技术新产品;2011年14期

6 张金江;梁耀升;尹玉娟;郭创新;;基于模糊理论与支持向量机的变压器故障诊断方法[J];电力科学与技术学报;2011年02期

7 钟建伟;;基于改进模糊C均值算法的电力电子电路故障诊断[J];低压电器;2011年16期

8 戴志超;;神经网络对水电机组振动故障的应用研究[J];计算机仿真;2011年06期

9 孙爱进;郭西进;;电机匝间短路故障信息融合诊断方法研究[J];煤矿机电;2011年04期

10 李磊;杨峰;赵鹏鹏;;基于故障树和虚拟仪器的故障诊断系统研究[J];飞航导弹;2011年07期

相关会议论文 前10条

1 段志善;东亚斌;;灰色故障诊断方法及其发展的思考[A];振动利用技术的若干研究与进展——第二届全国“振动利用工程”学术会议论文集[C];2003年

2 卢达川;;液压系统现场故障诊断方法[A];第五届设备管理第八届设备润滑与液压学术会议论文集——《设备管理设备润滑与液压技术》[C];2004年

3 肖江;蒋爱平;;基于PCA的SVM故障诊断方法研究与应用[A];全国先进制造技术高层论坛暨制造业自动化、信息化技术研讨会论文集[C];2005年

4 肖江;蒋爱平;;基于PCA的SVM故障诊断方法研究与应用[A];第十届全国信息技术化工应用年会论文集[C];2005年

5 罗贺;付超;季星;;基于DS证据理论的智能故障诊断方法[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

6 乔文生;陈兴辉;艾士娟;胡北;赵恒;;基于小波包和BP神经网络的滚动轴承故障诊断[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年

7 张艳菊;李钢;张仁斌;吴燎原;;一种基于模式匹配的故障诊断方法[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

8 赵宏伟;张清华;夏路易;邵龙秋;;机械故障诊断综述[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

9 汪松;刘鲁源;;基于微机系统的开关电源自动故障诊断[A];1999中国控制与决策学术年会论文集[C];1999年

10 郭洪澈;姚兴佳;;基于神经网络的大型风力发电机软并网故障诊断方法[A];中国太阳能学会2001年学术会议论文摘要集[C];2001年

相关重要报纸文章 前10条

1 ;中共沈阳市委关于开展向陈新海同志学习活动的决定[N];沈阳日报;2010年

2 李东梅　连小芳;抠门大方文孝珠[N];宁夏日报;2007年

3 广西龙州县鸭水电厂 王f ;变压器故障诊断方法的探讨[N];中华合作时报;2004年

4 记者 谢克俭;省科协全力备战“6·18”[N];福建科技报;2006年

5 记者 谢克俭;院士项目签约6项总投资3.75亿元[N];福建科技报;2006年

6 蒋金波;新时代需要高素质修车专家[N];市场报;2005年

7 林子务;故障的感官诊断[N];中国纺织报;2004年

8 姜朝晖　李成先;研发设备监测系统通过专家评审[N];抚顺日报;2009年

9 ;机械工业出版社推出一批新书（下）[N];中国机电日报;2000年

10 钱宇 李秀喜;先进技术为化工安全保驾护航[N];中国化工报;2005年

相关博士学位论文 前10条

1 苏文胜;滚动轴承振动信号处理及特征提取方法研究[D];大连理工大学;2010年

2 金瑜;基于小波神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2008年

3 蒋丽英;基于FDA/DPLS方法的流程工业故障诊断研究[D];浙江大学;2005年

4 谢宏;基于Volterra级数、小波分析与神经网络的非线性网络故障诊断方法的研究[D];湖南大学;2005年

5 陈晓娟;模拟电路神经网络故障诊断方法的研究[D];吉林大学;2006年

6 王承;基于神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2005年

7 李厦;基于Petri网的故障诊断技术研究及其在液压系统中的应用[D];同济大学;2006年

8 张超;基于支持向量机的汽轮机轴系振动故障智能诊断研究[D];华北电力大学（河北）;2009年

9 刘美容;基于遗传算法、小波与神经网络的模拟电路故障诊断方法[D];湖南大学;2009年

10 马敏;并行多任务自动测试系统分层化建模及其关键技术研究[D];电子科技大学;2008年

相关硕士学位论文 前10条

1 管辉;基于小波分析的滚动轴承故障诊断方法研究[D];太原科技大学;2008年

2 梁鹏鹏;滚动轴承故障诊断试验样机的开发[D];北方工业大学;2008年

3 顾勤林;汽车电控系统在线故障诊断方法的研究[D];合肥工业大学;2005年

4 唐新安;600KW风力发电机组故障诊断[D];新疆大学;2006年

5 潘玉松;基于主元分析的传感器故障检测与诊断[D];华北电力大学（河北）;2006年

6 殷亚平;基于学习算法的复杂故障诊断模型与方法研究[D];北京交通大学;2007年

7 赵国庆;基于小波降噪与HHT方法的齿轮故障诊断方法[D];武汉科技大学;2007年

8 虞国全;基于支持向量机的智能故障诊断技术研究[D];南昌大学;2007年

9 黄跃群;机车电子控制柜动态检测与故障诊断系统研究[D];西南交通大学;2008年

10 王晓华;过程监控与故障诊断的ICA_MPCA方法[D];大连理工大学;2008年

本文编号：2705008