旋转机械同源响应共有成分重构的去噪

发布时间：2021-03-11 20:21

　　状态监测与故障诊断对于保障关键设备的安全可靠运行具有重要意义。原始振动数据常包含传感器原因导致的劣质数据及受到工况不确定性影响,是状态监测系统产生误报警的主要因素。对原始振动数据进行筛分处理,可以消除劣质数据的影响,降低误报警发生的概率。本文提出了一种共有成分重构的去噪方法来获得各振源真实的故障响应。1.分析不同信号分解方法的分解性能。对信号分解性能的分析是提取共有成分重构去噪方法的研究基础,是找到同源故障多次响应共有成分的保障。应用不同分解原理的信号分解方法（小波变换、集成经验模式分解、奇异谱分析、共振稀疏分解）分解不同类型的信号（局部噪声污染的冲击响应、高斯白噪声干扰的冲击响应,多频率成分的谐波信号）,从分解子信号中信号与噪声的能量分布、分离状态、信噪比等多角度分析不同分解方法的分解性能。2.验证基于小波分解的共有成分重构去噪方法的可行性。利用小波变换的多分辨率特性分解同源故障的多次响应,测量分解分量之间的相似性、确定相似性阈值,提取共有成分重构完成去噪。在同源响应共有成分的认定中,选择动态时间规整算法作为分解子信号之间的相似性测量方法,选择K均值聚类作为相似性阈值确定方法。利用基... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：94 页

【学位级别】：硕士

【部分图文】：

受局部高频噪声干扰的冲击信号:(a)信号

图２－６共振稀疏分解高频噪声干扰信号结果??Ｆｉ．２－６?Ｒｅｓｏｎａｎｃｅ－ｂａｓｅｄ?ｓａｒｓｅ?ｄｅｃｏｍｏｓｅｄ?ｓｉｎａｌ?ｉｎｔｅｒｆｅｒｅｄ?ｂｈｉｈ－ｆｒｅｕｅｎｃｎｏｉｓｅ??

图２－１０共振稀疏分解频率相近噪声干扰信号结果??Ｆｉ．２－１０?Ｒｅｓｏｎａｎｃｅ－ｂａｓｅｄ?ｓａｒｓｅ?ｄｅｃｏｍｏｓｅｄ?ｓｉｎａｌ?ｉｎｔｅｒｆｅｒｅｄ?ｂｃｌｏｓｅ?ｆｒｅｕｅｎｃｎｏｉｓｅ??

【参考文献】：
期刊论文
[1]基于ITD与稀疏编码收缩的滚动轴承故障特征提取方法[J]. 余建波,刘海强,郑小云,周炳海,程辉,孙习武.  振动与冲击. 2018(19)
[2]基于LMD-MS的滚动轴承微弱故障提取方法[J]. 王志坚,吴文轩,马维金,张纪平,王俊元,李伟伟.  振动.测试与诊断. 2018(05)
[3]基于Shannon熵的自适应小波包阈值函数去噪算法研究[J]. 周建,向北平,倪磊,艾攀华.  振动与冲击. 2018(16)
[4]基于VMD滤波和极值点包络阶次的滚动轴承故障诊断[J]. 武英杰,辛红伟,王建国,王晓龙.  振动与冲击. 2018(14)
[5]基于EEMD与空域相关降噪的滚动轴承故障诊断方法[J]. 田晶,王英杰,王志,艾延廷,孙丹.  仪器仪表学报. 2018(07)
[6]基于字典学习形态分量分析的轴承故障诊断[J]. 吴洋,郝如江,李非.  石家庄铁道大学学报(自然科学版). 2018(02)
[7]基于k值优化VMD的滚动轴承故障诊断方法[J]. 王奉涛,柳晨曦,张涛,敦泊森,韩清凯,李宏坤.  振动.测试与诊断. 2018(03)
[8]强噪声背景下频率加权能量算子和变分模态分解在轴承故障提取中的应用[J]. 徐元博,蔡宗琰,胡永彪,丁凯.  振动工程学报. 2018(03)
[9]基于迭代滤波和快速峭度图的滚动轴承微弱故障特征提取[J]. 钟先友,田红亮,赵春华,陈保家,陈法法.  振动与冲击. 2018(09)
[10]基于SVD和熵优化频带熵的滚动轴承故障诊断研究[J]. 李华,刘韬,伍星,陈庆.  振动工程学报. 2018(02)

博士论文
[1]变转速下滚动轴承时变非平稳故障特征提取方法研究[D]. 赵德尊.北京交通大学 2018
[2]齿轮噪源干扰下变转速运行滚动轴承的故障诊断研究[D]. 王天杨.北京交通大学 2015
[3]齿轮箱复合故障诊断方法研究[D]. 李蓉.湖南大学 2013
[4]滚动轴承打滑动力学模型及振动噪声特征研究[D]. 涂文兵.重庆大学 2012
[5]机械系统故障信号特征提取技术研究[D]. 余红英.中北大学 2005

硕士论文
[1]基于共振稀疏分解的滚动轴承故障诊断方法研究[D]. 孙占龙.北京交通大学 2017
[2]基于稀疏分解的铁路信号去噪算法研究[D]. 轩春霞.西南交通大学 2014
[3]滚动轴承早期故障微弱信号检测技术研究[D]. 刘引峰.哈尔滨工业大学 2013
[4]基于振动信号的轴承状态监测和故障诊断方法研究[D]. 张乾.中南大学 2012
[5]基于小波分析的故障检测与诊断[D]. 臧先峰.江南大学 2008



本文编号：3077036