基于自适应LMS算法的滚动轴承故障诊断

发布时间：2020-10-23 14:30

　　 滚动轴承是火车走行部的关键零件之一,其状态的良好是火车安全运行的重要保证,故滚动轴承故障诊断的方法研究是目前一个热门的研究方向。如何选择恰当的信号处理方法有效地提取故障信息,实现故障诊断显得尤为重要,本文以滚动轴承为媒介提出滚动轴承故障诊断的自适应处理方法,将自适应LMS滤波算法用于滚动轴承振动信号的预处理中,研究的主要内容如下:首先,介绍了本课题的研究背景及意义,并对变步长LMS算法和滚动轴承故障诊断的研究和发展现状进行了详细的阐述。之后,对自适应LMS算法的理论和原理进行的详细的介绍,并从四个方面对该算法的性能进行了分析,最后介绍了该算法在信号降噪中的应用。其次,文章提出了LMS算法改进的三个方法,并介绍了当前两种常用的改进算法,第一种改进算法为归一化LMS算法,该算法解决了输入信号较大时出现梯度噪声变大的问题,第二种改进算法为基于S型函数的变步长LMS算法,该算法解决了传统算法随收敛速度和稳态误差要求相互矛盾的问题。本文在这两种算法的基础上了提出了基于归一化双曲正切函数的LMS算法,介绍了算法的机理,并分析了参数对算法性能的影响及其可能的最佳取值。再次,变步长LMS算法的收敛性能主要取决于参数值的选取,传统上依靠经验或者多次试凑来确定参数的最佳取值,这种方法存在一定的局限性。本文利用遗传算法对变步长LMS算法步长因子中的参数进行优化设计,得到参数的最佳取值,同时通过计算机仿真来对比所选取最优值算法的性能,结果表明本文算法相比之下具有更好的收敛性能。之后利用滚动轴承故障仿真信号对自适应LMS算法进行降噪分析,分析了其在不同信噪比和不同噪声条件下的降噪效果,并对降噪后的信号进行包络解调,对比在不同条件下包络谱中特征提取的效果。最后,由于滚动轴承故障信号受噪声干扰导致低信噪比且噪声环境复杂的特点,为了能够准确有效地提取故障信息,本文提出基于VMD和自适应LMS算法的滚动轴承故障诊断方法,首先对采集的故障信号进行VMD分解成若干个IMF分量,并根据峭度准则选取峭度值最大的两个分量进行重构,然后再对重构的信号进行自适应LMS算法滤波,最后进行包络解调得到轴承故障特征频率,实验分析表明,将VMD和自适应LMS算法相结合,在滚动轴承故障特征提取中取得良好的效果,能有有效地提取故障特征,实现故障诊断。
【学位单位】：石家庄铁道大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP277;TH133.33
【部分图文】：

权系数向量解的确定。佳线性滤波理论2 为线性滤波器原理图。图中虚线框为线性离散时间滤波器，1w ，…，kw ，而 x (0)， x (1)，…， x ( k )是其输入序列， 为理想信号值，e ( n )为理想信号值与输出值之间的差。最佳是使 e ( n )的值达到较小的过程。

图 3-2 误差与步长因子的关系曲线时， μ ( n)也随之减小为零，产生较低的稳变化快，这种变化会使得该算法在达到稳算法性能。文献[14]在针对这一问题提出了，此算法的步长更新公式为：2( )( )= (1 e )e nnαμ β -LMS 算法的步长因子与误差的关系曲线如

(3-16)改进的 SVS-LMS 算法的步长因子与误差的关系曲线如图 3-3 所示。图 3-3 改进后误差和步长因子的关系曲线对比图 3-2 可以发现，改进的 SVS-LMS 算法在误差很小的时候步长变化缓
【相似文献】

相关期刊论文 前10条

1 欧阳普仁,杨叔子;一种改进的Marple算法[J];南京理工大学学报(自然科学版);1988年01期

2 黄小蓓;隆永红;;分布式数据库管理系统中的並发控制——算法及其性能分析[J];计算技术与自动化;1988年02期

3 冯成进;;0—1规划新算法的改进[J];曲阜师范大学学报(自然科学版);1988年02期

4 曾秀;魏振华;;猴群算法及其改进综述[J];电脑知识与技术;2017年32期

5 许灿英;;算法合谋反竞争问题初探[J];合肥工业大学学报(社会科学版);2019年02期

6 段艳明;肖辉辉;林芳;;新授粉方式的花授粉算法[J];计算机工程与应用;2018年23期

7 肖海军;王芬艳;卢常景;曹颖;;一种有效的多峰优化鸟群算法[J];中南民族大学学报(自然科学版);2018年04期

8 覃远年;梁仲华;;蚁群算法研究与应用的新进展[J];计算机工程与科学;2019年01期

9 肖辉辉;段艳明;林芳;;新搜索策略的花授粉算法[J];电子测量与仪器学报;2019年07期

10 梁昔明;高超;龙文;;基于速度越界处理与高斯扰动的改进蝙蝠算法[J];数学的实践与认识;2019年19期

相关博士学位论文 前10条

1 周凌云;几种典型群智能算法及其更新机制研究[D];武汉大学;2018年

2 张代雨;多学科优化算法及其在水下航行器中的应用[D];西北工业大学;2017年

3 钟林峰;复杂网络中关键节点的挖掘算法研究[D];电子科技大学;2018年

4 邱实;多光谱卫星遥感影像云及云阴影精准检测算法研究[D];电子科技大学;2018年

5 孙宁;人工免疫优化算法及其应用研究[D];哈尔滨工业大学;2006年

6 陆楠;关联规则的挖掘及其算法的研究[D];吉林大学;2007年

7 胡铟;基于单目视觉的运动目标检测与跟踪算法研究[D];南京理工大学;2008年

8 王珏;生物地理学优化算法的研究及应用[D];哈尔滨工程大学;2013年

9 黄松;面向多应用场景的粒子群优化算法研究[D];江南大学;2017年

10 安琦;信号侦收中的识别与分类理论与算法研究[D];电子科技大学;2017年

相关硕士学位论文 前10条

1 谢辉;基于Spark的FP-Growth算法的研究[D];南昌大学;2019年

2 倪楚琦;关于大维数据的聚类方法研究[D];哈尔滨工业大学;2019年

3 黄文成;一种基于膜计算的人工蜂群算法及其应用[D];西华大学;2019年

4 徐涛;基于数据表示方法的鉴别字典学习算法的研究及应用[D];西华大学;2019年

5 匡振曦;高维数据中KNN分类算法的优化研究[D];广东工业大学;2019年

6 唐嘉诚;多约束条件下无人机协同配送算法研究[D];沈阳航空航天大学;2019年

7 杨琴;基于压缩感知的DOA估计算法研究[D];西安电子科技大学;2019年

8 谢子卓;基于大数据的微博转发预测及热点发现算法的研究[D];西安电子科技大学;2019年

9 袁丹丹;基于节点重要性的社区发现算法研究与应用[D];西安电子科技大学;2019年

10 沈鑫;基于领导人选举机制共识算法的联盟链性能改进研究[D];西安电子科技大学;2019年

本文编号：2853156