基于DEMD时频分析的旋转机械故障特征提取方法研究

发布时间：2017-03-29 09:12

  本文关键词：基于DEMD时频分析的旋转机械故障特征提取方法研究，，由笔耕文化传播整理发布。

【摘要】：旋转机械是电力、石油、冶金、机械、航空及军事工业部门的关键设备,能否保证关键设备正常运行,直接关系到企业的发展,因此机械故障诊断技术得到了广泛的关注。机械故障诊断的关键在于机械振动信号的故障特征提取和故障类型识别,信号的处理和分析是特征提取最常用的方法。近年来,经验模式分解(Empirical Mode Decomposition,EMD)方法作为分析非平稳信号的重大突破,应用到旋转机械振动信号分析与处理中,然而EMD算法还存在不足,需要进一步完善。基于微分的经验模式分解(Differential-based Empirical Mode Decomposition,DEMD)的时频分析方法在EMD算法基础上做了改进,通过对原始信号进行微分改变了信号中的不同频率成分比重,有利于将信号中频率相近的成分或微弱的高频成分提取出来,从而有效改善EMD方法的模式混叠问题。本文重点研究基于DEMD的时频分析方法及其在机械故障特征提取方面的应用。首先,研究瞬时频率、单分量和多分量信号、调频调幅信号的基本概念;分析DEMD的基本原理及算法,并与经验模态分解(EMD)进行对比,仿真验证该方法能够将信号中频率相近或相对微弱的高频成分提取出来,有效改善EMD方法在分解过程中出现的模式混叠现象。其次,针对DEMD存在的端点效应问题,研究了基于支持向量回归机延拓和窗函数结合抑制DEMD端点效应的方法,利用构造好的支持向量回归模型对数据进行延拓,将延拓后的信号与窗函数进行内积运算,将端点效应抑制在原信号端点以外,仿真与试验表明该方法能够有效抑制DEMD的端点效应,提高DEMD的分解精度。针对滚动轴承振动信号的非平稳特性和其周期性冲击特点,将DEMD时频分析方法与对称差分能量算子解调法结合。仿真和实验结果验证该方法能够更加准确地提取出振动信号的特征频率,实现轴承故障有效诊断。最后,研究模糊熵算法,提出基于DEMD模糊熵和支持向量机的旋转机械故障诊断方法,先对故障信号进行DEMD处理,计算分解后的本征模函数(Intrinsic Mode Function,IMF)分量的模糊熵,将其模糊熵值作为故障特征向量;然后将得到的故障特征向量输入到支持向量机进行模式识别,实现旋转机械的识别和分类。与基于EMD模糊熵与SVM相结合的方法相比较,该方法能够对机械故障信号更准确地进行识别分类。
【关键词】：DEMD 故障特征提取 旋转机械 端点效应 SVM 模糊熵
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH165.3
【目录】：

• 摘要5-7
• Abstract7-11
• 第1章 绪论11-19
• 1.1 旋转机械故障诊断的研究意义及其内容11-13
• 1.1.1 旋转机械故障诊断的研究背景与意义11-12
• 1.1.2 机械故障诊断技术内容的研究12-13
• 1.2 机械故障诊断技术的发展及其研究的现状13-14
• 1.3 时频分析的发展概况及应用14-17
• 1.3.1 短时傅里叶变换的发展及其应用14-15
• 1.3.2 Wigner-Ville分布的发展及应用15-16
• 1.3.3 小波变换的发展及应用16
• 1.3.4 EMD发展及应用16-17
• 1.4 项目来源及本文研究内容17-19
• 第2章DEMD时频分析方法研究19-33
• 2.1 前言19
• 2.2 EMD方法基本概念及原理19-25
• 2.2.1 瞬时频率19-21
• 2.2.2 本征模函数21
• 2.2.3 EMD基本原理和算法步骤21-25
• 2.3 DEMD原理与算法研究25-32
• 2.3.1 DEMD基本原理25-27
• 2.3.2 DEMD算法研究27-28
• 2.3.3 DEMD方法与EMD方法对比28-30
• 2.3.4 DEMD算法存在的问题30-32
• 2.5 本章小结32-33
• 第3章 基于支持向量回归机与窗函数的抑制DEMD端点效应方法研究33-47
• 3.1 前言33-34
• 3.2 支持向量机理论34-39
• 3.2.1 支持向量分类机34-36
• 3.2.2 核函数36-37
• 3.2.3 支持向量回归机37-39
• 3.3 窗函数39-40
• 3.4 基于支持向量回归机与窗函数的结合的DEMD方法40-46
• 3.4.1 仿真信号分析41-43
• 3.4.2 试验研究43-46
• 3.5 本章小结46-47
• 第4章 基于DEMD与对称差分能量算子解调的滚动轴承特征提取研究47-57
• 4.1 前言47
• 4.2 能量算子解调方法47-48
• 4.3 对称差分能量算子解调法48-49
• 4.4 基于DEMD和对称差分能量算子解调的滚动轴承特征提取49-56
• 4.4.1 仿真信号分析49-53
• 4.4.2 故障特征提取53-56
• 4.5 本章小结56-57
• 第5章 基于DEMD和模糊熵的机械故障诊断方法研究57-67
• 5.1 前言57
• 5.2 模糊集合理论57-58
• 5.3 模糊熵原理58-60
• 5.3.1 熵的含义58-59
• 5.3.2 模糊熵的算法59-60
• 5.3.3 模糊熵的参数选择60
• 5.4 基于DEMD和模糊熵的机械故障诊断60-65
• 5.4.1 DEMD模糊熵的特征提取方法60-63
• 5.4.2 轴承故障诊断63-65
• 5.5 本章小结65-67
• 结论67-69
• 参考文献69-75
• 攻读硕士学位期间承担的科研任务与主要成果75-76
• 致谢76-77
• 作者简介77

【参考文献】

中国期刊全文数据库 前10条

1 卢瑜;李晨来;李乡儒;;基于Haar小波特征的恒星光谱物理参量自动估计[J];光谱学与光谱分析;2012年09期

2 罗一新;机械故障诊断技术趋向分析[J];机床与液压;2002年02期

3 雷亚国;;基于改进Hilbert-Huang变换的机械故障诊断[J];机械工程学报;2011年05期

4 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期

5 王冰;李洪儒;许葆华;;基于LMD和平滑Teager能量算子解调的电机滚动轴承故障特征提取[J];机械传动;2012年09期

6 王国彪;何正嘉;陈雪峰;赖一楠;;机械故障诊断基础研究“何去何从”[J];机械工程学报;2013年01期

7 乔林峰;王俊;;一种改进小波阈值的图像去噪算法[J];舰船电子工程;2013年01期

8 刘增华;颉小东;吴斌;焦敬品;宋国荣;何存富;;基于连续小波变换的厚壁管道周向导波扫描成像试验研究[J];机械工程学报;2013年02期

9 任达千;杨世锡;吴昭同;严拱标;孟庆波;;信号瞬时频率直接计算法与Hilbert变换及Teager能量法比较[J];机械工程学报;2013年09期

10 孟宗;顾海燕;李姗姗;;基于神经网络集成的B样条经验模态分解端点效应抑制方法[J];机械工程学报;2013年09期

中国博士学位论文全文数据库 前4条

1 黄伟国;基于振动信号特征提取与表达的旋转机械状态监测与故障诊断研究[D];中国科学技术大学;2010年

2 鞠萍华;旋转机械早期故障特征提取的时频分析方法研究[D];重庆大学;2010年

3 王胜春;自适应时频分析技术及其在故障诊断中的应用研究[D];山东大学;2007年

4 何清波;多元统计分析在设备状态监测诊断中的应用研究[D];中国科学技术大学;2007年

  本文关键词：基于DEMD时频分析的旋转机械故障特征提取方法研究，由笔耕文化传播整理发布。

本文编号：274120