EMD及其改进和无量纲分析相结合的轴承故障定位研究

发布时间：2017-04-03 09:02

  本文关键词：EMD及其改进和无量纲分析相结合的轴承故障定位研究，由笔耕文化传播整理发布。

【摘要】：设备诊断技术是一种先测量设备运行的状态信息，之后采用相应检测手段对其进行分析处理来判断设备运行正常与否，并尽早找出故障部位及原因，还能对故障发展趋势进行预测的技术。通俗地讲，设备诊断技术就好比是“医生”，而诊断的对象就好比是“病人”，医生为病人“看病”就是对设备故障诊断最形象的比喻，它通常涵盖了“监测”和“诊断”两个层面的意思。随着机械化水平的高速推进，就会使设备诊断技术面临更加严峻的考验。 本文在研读大量文献的基础上，结合课题的相关研究背景，利用先进的无量纲分析方法与经验模态分解（EMD）技术、局部均值分解（LMD）技术、遗传编程等进行融合来研究一种简单、快捷、实用的轴承故障诊断技术，并将其应用到了旋转机械轴承的故障诊断中。具体所做内容如下： （1）鉴于振动信号本身比较复杂，且受噪声等其他干扰信号污染严重的现状，就需要对其进行预处理，而EMD技术正好对去除噪声等干扰信号有一定的优势，因此将先进的无量纲分析技术与之进行融合来处理轴承故障的特征信息，从理论上对该方法的可行性和有效性给出了解释。 （2）由于EMD在处理振动信号时会出现虚假分量、端点效应等问题，因此需要对其改进，LMD就是其中一种改进形式，特别适合于处理多分量的调制信号，有效地抑制了EMD中存在的端点效应，对虚假分量问题也有了很好的解决。基于以上优点，本文提出了LMD和无量纲分析相结合的轴承故障诊断方法，不管是在理论上还是实际应用中都表明其性能要优于EMD技术。 （3）针对基本无量纲指标对某些故障类型分类能力差的缺陷和受数量不多的困扰，将在特征构造和选取方面有一定优势的遗传编程（GP）融入到无量纲分析中，，先对振动数据进行EMD处理，之后利用GP的优势构建对故障状态分类最佳的复合无量纲指标，最后通过轴承故障分析实验对新指标的分类性能做了验证。
【关键词】：滚动轴承 无量纲指标 EMD LMD 遗传编程
【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】：TH165.3
【目录】：

• 摘要3-5
• ABSTRACT5-11
• 第一章 绪论11-23
• 1.1 课题研究的背景及意义11-13
• 1.1.1 课题研究的背景11-12
• 1.1.2 课题研究的意义12-13
• 1.2 机械设备故障诊断技术的发展历史13-14
• 1.3 机械设备故障诊断的定义及研究内容14-17
• 1.3.1 机械故障诊断技术的定义14-16
• 1.3.2 机械设备故障诊断的研究内容16-17
• 1.4 旋转机械设备的典型故障及其振动特征17-21
• 1.5 论文的主要内容及安排21-23
• 第二章 旋转机械中滚动轴承故障诊断原理及方法23-37
• 2.1 旋转机械中的滚动轴承及其失效形式23-26
• 2.1.1 滚动轴承的基本结构23-25
• 2.1.2 滚动轴承的失效形式25-26
• 2.2 旋转机械中滚动轴承的振动机理及频率特性26-30
• 2.2.1 滚动轴承振动发生的原因26-27
• 2.2.2 滚动轴承的频率特征27-30
• 2.3 滚动轴承的振动信号采集30-32
• 2.4 旋转机械中滚动轴承故障诊断常用的方法32-34
• 2.5 基于无量纲指标的滚动轴承故障诊断分析34-36
• 2.6 本章小结36-37
• 第三章 EMD 和无量纲指标相结合轴承故障诊断方法37-53
• 3.1 无量纲指标及其优点分析37-43
• 3.1.1 随机信号的概率密度函数37-40
• 3.1.2 有量纲指标和无量纲指标40-42
• 3.1.3 无量纲指标的优点分析42-43
• 3.2 经验模态分解43-49
• 3.2.1 EMD 方法的基本原理44-46
• 3.2.2 EMD 技术的分解算法46-47
• 3.2.3 EMD 方法的完备性和正交性47-48
• 3.2.4 Hilbert 谱和 Hilbert 边际谱48-49
• 3.3 基于 EMD 方法的无量纲指标故障诊断分析方法49-51
• 3.4 本章小结51-53
• 第四章 基于改进 EMD 的无量纲指标故障诊断定位研究53-73
• 4.1 LMD 的基本原理54-59
• 4.1.1 基本概念54-55
• 4.1.2 LMD 的基本原理及算法55-59
• 4.2 LMD 和 EMD 方法的对比59-60
• 4.3 基于 LMD 方法的无量纲指标故障诊断分析方法60-62
• 4.4 实验平台及工作原理62-68
• 4.4.1 实验机组的介绍62-65
• 4.4.2 振动数据采集系统65-68
• 4.5 基于 LMD 的无量纲分析在轴承诊断中应用68-71
• 4.5.1 试验平台及故障件68-69
• 4.5.2 轴承故障定位实验69-71
• 4.6 本章小结71-73
• 第五章 基于 EMD 的复合无量纲分析在轴承故障诊断中应用73-93
• 5.1 遗传编程73-77
• 5.1.1 遗传编程的工作原理73-77
• 5.1.2 遗传编程的特点77
• 5.2 新无量纲指标的构建77-81
• 5.2.1 构建新无量纲指标的理论依据77-78
• 5.2.2 构建新无量纲指标78-81
• 5.3 基于 EMD 的无量纲分析在轴承诊断中应用81-85
• 5.3.1 试验平台及故障件81-83
• 5.3.2 轴承故障定位实验83-85
• 5.4 基于 EMD 的复合无量纲分析在轴承诊断中应用85-91
• 5.4.1 试验平台及故障件85-86
• 5.4.2 轴承故障分类实验86-91
• 5.5 本章小结91-93
• 第六章 总结与展望93-95
• 参考文献95-99
• 致谢99-101
• 攻读硕士学位期间发表的学术论文101
• 攻读硕士学位期间参加的科研项目101

【参考文献】

中国期刊全文数据库 前9条

1 党保华;朱德荣;杜志强;王淑珍;余炳辉;;基于IPSO优化BP神经网络的滚动轴承故障诊断[J];轴承;2011年07期

2 张冰凌;许英姿;潘全文;;智能故障诊断方法的研究和展望[J];飞机设计;2007年05期

3 金鑫;任献彬;周亮;;智能故障诊断技术研究综述[J];国外电子测量技术;2009年07期

4 王平,廖明夫;滚动轴承故障诊断的自适应共振解调技术[J];航空动力学报;2005年04期

5 杨宇;王欢欢;程军圣;邹宪军;;基于LMD的包络谱特征值在滚动轴承故障诊断中的应用[J];航空动力学报;2012年05期

6 杨宇;杨丽湘;程军圣;;基于LMD和AR模型的转子系统故障诊断方法[J];湖南大学学报(自然科学版);2010年09期

7 楼向明,郑水英,汪希萱;旋转机械转子不平衡在线识别方法的实验研究[J];汽轮机技术;1998年04期

8 黄昭毅;对我国无量纲诊断的历史回顾与今后的期望(一)[J];中国设备管理;2000年10期

9 李红卫;杨东升;孙一兰;韩娟;;智能故障诊断技术研究综述与展望[J];计算机工程与设计;2013年02期

中国博士学位论文全文数据库 前2条

1 任达千;基于局域均值分解的旋转机械故障特征提取方法及系统研究[D];浙江大学;2008年

2 王雷;基于流形学习的滚动轴承故障诊断若干方法研究[D];大连理工大学;2013年

  本文关键词：EMD及其改进和无量纲分析相结合的轴承故障定位研究，由笔耕文化传播整理发布。

本文编号：284030