基于EEMD的滚动轴承振动故障特征提取与诊断研究

发布时间：2017-04-03 05:07

  本文关键词：基于EEMD的滚动轴承振动故障特征提取与诊断研究，由笔耕文化传播整理发布。

【摘要】：滚动轴承是各种旋转机械中应用最广泛的一种通用部件,其运行状态往往直接影响整台机器的性能,对滚动轴承的状态监测和故障诊断具有重要的现实意义和经济价值。在滚动轴承发生故障时,一种常用的诊断方法就是,从振动信号中提取一些包含故障信息的特征参数,从而揭示其故障类型、故障位置、故障程度。因此,如何有效的提取故障特征显得尤为重要。故障特征参数有时域参数和频域参数。常见的提取方法有小波分析和经验模态分解(Empirical Mode Decomposition, EMD),而集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)作为经验模态分解的优化算法,近年来得到越来越广泛的应用。本文采用一种方法,基于EEMD分解,提取以峭度、均方根值为代表的时域特征参数和以重心频率、均方根频率为代表的频域特征参数,并运用支持向量机(Support Vector Machine, SVM)进行故障识别。通过与EMD分解的结果进行对比,验证该方法在诊断故障中有较高的正确率。同时,在时域和频域中,多特征参数结合的诊断正确率要高于单一参数；时域特征参数与频域特征参数相结合的诊断正确率可以达到更高。
【关键词】：滚动轴承 振动 故障特征 集合经验模态分解
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH133.33;TH165.3
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-16
• 1.1 研究背景及意义10-11
• 1.2 国内外研究现状11-14
• 1.2.1 解调方法研究现状11-13
• 1.2.2 特征参数提取方法研究现状13-14
• 1.3 本文研究目的和内容14-16
• 第2章 滚动轴承的故障特征16-22
• 2.1 引言16
• 2.2 滚动轴承基本结构16
• 2.3 滚动轴承的故障形式16-18
• 2.4 滚动轴承振动机理18-19
• 2.4.1 轴承结构特点及加工装配误差引起的振动18
• 2.4.2 轴承运行故障引起的振动18-19
• 2.5 滚动轴承故障诊断常用统计特征19-21
• 2.5.1 时域特征参数19-20
• 2.5.2 频域特征参数20-21
• 2.6 本章小结21-22
• 第3章 EEMD提取与SVM诊断算法22-29
• 3.1 引言22
• 3.2 经验模态分解22-25
• 3.2.1 EMD原理22-23
• 3.2.2 EMD分解算法23-25
• 3.2.3 EMD算法存在的问题25
• 3.3 集合经验模态分解25-26
• 3.3.1 EEMD原理25-26
• 3.3.2 EEMD分解算法26
• 3.4 支持向量机26-28
• 3.5 本章小结28-29
• 第4章 基于EEMD时域特征参数的滚动轴承故障诊断29-49
• 4.1 引言29
• 4.2 数据说明29-31
• 4.2.1 数据来源29-30
• 4.2.2 数据分类30-31
• 4.3 信号时域特征31-36
• 4.3.1 原始信号时域特征31-33
• 4.3.2 EEMD分解的信号时域特征33-36
• 4.4 故障诊断方法设计36
• 4.4.1 数据分组36
• 4.4.2 诊断流程36
• 4.5 基于峭度指标的滚动轴承故障诊断36-40
• 4.5.1 基于EMD峭度的滚动轴承故障诊断36-38
• 4.5.2 基于EEMD峭度的滚动轴承故障诊断38-39
• 4.5.3 分析与讨论39-40
• 4.6 基于均方根值指标的滚动轴承故障诊断40-44
• 4.6.1 基于EMD均方根值的滚动轴承故障诊断40-41
• 4.6.2 基于EEMD均方根值的滚动轴承故障诊断41-42
• 4.6.3 分析与讨论42-44
• 4.7 基于时域多参数指标的滚动轴承诊断44-47
• 4.7.1 基于EMD时域多参数的滚动体故障诊断44-45
• 4.7.2 基于EEMD时域多参数的滚动体故障诊断45-46
• 4.7.3 分析与讨论46-47
• 4.8 本章小结47-49
• 第5章 基于EEMD频域特征参数的滚动轴承故障诊断49-69
• 5.1 引言49
• 5.2 信号频域特征49-54
• 5.2.1 原始信号频域特征49-51
• 5.2.2 EEMD分解的信号频域特征51-54
• 5.3 基于重心频率指标的滚动轴承故障诊断54-57
• 5.3.1 基于EMD重心频率的滚动轴承故障诊断54-55
• 5.3.2 基于EEMD重心频率的滚动轴承故障诊断55-56
• 5.3.3 分析与讨论56-57
• 5.4 基于均方根频率指标的滚动轴承故障诊断57-61
• 5.4.1 基于EMD均方根频率的滚动轴承故障诊断57-59
• 5.4.2 基于EEMD均方根频率的滚动轴承故障诊断59-60
• 5.4.3 分析与讨论60-61
• 5.5 基于频域多参数指标的滚动轴承故障诊断61-64
• 5.5.1 基于EMD频域多参数的滚动轴承故障诊断61-62
• 5.5.2 基于EEMD频域多参数的滚动轴承故障诊断62-63
• 5.5.3 分析与讨论63-64
• 5.6 基于时域频域多参数指标的滚动轴承故障诊断64-68
• 5.6.1 基于EMD时域频域多参数的滚动轴承故障诊断65-66
• 5.6.2 基于EEMD时域频域多参数的滚动轴承故障诊断66-67
• 5.6.3 分析与讨论67-68
• 5.7 本章小结68-69
• 第6章 结论与展望69-71
• 6.1 结论69
• 6.2 展望69-71
• 参考文献71-74
• 攻读硕士学位期间发表的论文及其它成果74-75
• 致谢75

【参考文献】

中国期刊全文数据库 前8条

1 赵明元,朱衡君;机车轴承故障诊断与预测系统[J];机车电传动;2005年05期

2 林京,屈梁生;基于连续小波变换的信号检测技术与故障诊断[J];机械工程学报;2000年12期

3 王太勇;何慧龙;王国锋;冷永刚;胥永刚;李强;;基于经验模式分解和最小二乘支持矢量机的滚动轴承故障诊断[J];机械工程学报;2007年04期

4 雷亚国;何正嘉;訾艳阳;;基于混合智能新模型的故障诊断[J];机械工程学报;2008年07期

5 田海雷;李洪儒;许葆华;;基于EEMD和平滑能量算子解调的轴向柱塞泵故障特征提取[J];海军工程大学学报;2013年01期

6 程军圣,于德介,杨宇;基于SVM和EMD包络谱的滚动轴承故障诊断方法[J];系统工程理论与实践;2005年09期

7 杨宇,于德介,程军圣;基于EMD的奇异值分解技术在滚动轴承故障诊断中的应用[J];振动与冲击;2005年02期

8 张中民,卢文祥,杨叔子,张英堂,张培林,郑海起;基于小波系数包络谱的滚动轴承故障诊断[J];振动工程学报;1998年01期

中国博士学位论文全文数据库 前2条

1 张家凡;振动信号的包络解调分析方法研究及应用[D];武汉理工大学;2008年

2 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

  本文关键词：基于EEMD的滚动轴承振动故障特征提取与诊断研究，由笔耕文化传播整理发布。

，

本文编号：283754