基于变分模态分解的故障诊断方法研究

发布时间：2017-04-15 13:23

  本文关键词：基于变分模态分解的故障诊断方法研究，，由笔耕文化传播整理发布。

【摘要】：随着科学技术的发展,机械设备的复杂化程度越来越高,导致部件之间联系十分密切,假如某一个部件出现故障而无法正常工作,必然会“牵一发而动全身”,导致整个设备都无法正常工作,严重影响生产效率和经济效益。故障诊断主要步骤是首先采集设备现场运行信息,然后提取故障特征,最后进行状态识别和故障诊断。其中最关键的是从振动信号中提取对故障敏感的特征,同时也是本文的研究重点。深入研究了变分模态分解(VMD)算法的基本原理,针对其参数不易确定的问题做出改进,提出运用混沌粒子群优化算法优化VMD算法的参数。并通过测试函数对标准粒子群优化算法和混沌粒子群优化算法进行了数值仿真对比,验证了混沌粒子群优化算法比标准粒子群优化算法具有更高的搜索效率。提出了一种基于混沌粒子群算法优化VMD参数的滚动轴承故障识别方法,首先运用混沌粒子群算法优化VMD参数;然后对滚动轴承故障信号进行VMD分解,进而通过互相关系数筛选出有效分量并进行信号重构,提取不同故障类型信号的特征向量;最后通过核模糊C均值(KFCM)聚类算法对训练样本特征向量集进行聚类,得到不同的聚类中心,再利用最小欧氏距离原则对测试样本特征向量进行识别。并在相同诊断问题和诊断数据的情况下,将VMD方法和经验模态分解(EMD)方法的聚类效果以及故障识别率进行了对比,验证了VMD算法的优势。以机械故障综合模拟实验台为对象,搭建了基于LabVIEW的信号采集系统,采集了滚动轴承不同类型的故障信号。经研究发现,由于混沌粒子群算法优化VMD参数消耗时间过多,所以采用了一种基于VMD消噪的滚动轴承故障识别方法对其进行故障识别,此方法中包含了一种简单有效确定VMD参数的方法。并在相同的诊断问题和诊断数据的情况下,将VMD方法与EMD方法进行对比,结果表明VMD方法的KFCM聚类效果以及故障识别率均优于EMD方法,说明基于VMD消噪的滚动轴承故障识别方法的有效性以及时效性。
【关键词】：机械设备 故障识别 混沌粒子群 变分模态分解 特征提取 核模糊C均值聚类
【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】：TH133.33
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-18
• 1.1 课题背景及研究目的和意义10-11
• 1.2 机械故障诊断技术国内外研究现状11-16
• 1.2.1 机械故障诊断的主要内容12-15
• 1.2.2 机械故障诊断技术的研究现状15-16
• 1.3 VMD算法的研究现状16-17
• 1.4 本文的主要内容17-18
• 第2章 变分模态分解方法18-35
• 2.1 基础概念18-24
• 2.1.1 解析信号18-19
• 2.1.2 瞬时频率19-21
• 2.1.3 内禀模态函数21-22
• 2.1.4 EMD基本原理22-24
• 2.1.5 模态混叠24
• 2.2 VMD方法的原理24-27
• 2.3 VMD方法的仿真分析27-34
• 2.3.1 含噪情况下分离效果研究27-30
• 2.3.2 间断信号干扰研究30-32
• 2.3.3 脉冲信号干扰研究32-34
• 2.4 本章小结34-35
• 第3章 混沌粒子群优化算法的原理35-41
• 3.1 混沌的概念35
• 3.2 粒子群优化算法35-38
• 3.2.1 粒子群优化算法的起源35-36
• 3.2.2 标准粒子群优化算法36-37
• 3.2.3 参数分析37-38
• 3.3 混沌粒子群优化算法的思想38-39
• 3.4 混沌粒子群优化算法的数值仿真39-40
• 3.5 本章小结40-41
• 第4章 基于混沌粒子群算法优化VMD参数的滚动轴承故障识别方法41-53
• 4.1 实验数据采集系统41-42
• 4.2 VMD参数的优化方法42-44
• 4.3 有效模态分量的提取44-46
• 4.4 特征向量的构造46-48
• 4.4.1 样本熵原理46-47
• 4.4.2 均方根值47-48
• 4.5 故障识别48-52
• 4.5.1 核模糊C均值聚类的原理48-49
• 4.5.2 KFCM聚类效果的评价指标49
• 4.5.3 KFCM聚类结果49-50
• 4.5.4 故障识别过程50-52
• 4.6 本章小结52-53
• 第5章 基于VMD消噪的滚动轴承故障识别方法53-66
• 5.1 滚动轴承故障模拟实验系统53-58
• 5.1.1 机械故障综合模拟实验台53-56
• 5.1.2 基于Lab VIEW的数据采集系统56-58
• 5.2 基于VMD消噪的滚动轴承故障识别方法58-60
• 5.3 VMD参数的确定方法60-61
• 5.3.1 仿真信号60
• 5.3.2 实验采集数据60-61
• 5.4 实验采集数据处理流程61-62
• 5.5 故障识别结果62-65
• 5.6 本章小结65-66
• 结论66-67
• 参考文献67-72
• 攻读硕士学位期间承担的科研任务与主要研究成果72-74
• 致谢74

【相似文献】

中国期刊全文数据库 前8条

1 程军圣,于德介,杨宇;经典模态分解方法中内禀模态函数判据问题研究[J];中国机械工程;2004年20期

2 叶庆卫;汪同庆;;基于幅谱分割的粒子群最优模态分解研究与应用[J];仪器仪表学报;2009年08期

3 王良锋;乔渭阳;纪良;余索远;;轴流风扇/压气机管道周向声模态的测量[J];航空动力学报;2014年04期

4 甘甜;王英民;赵俊渭;;模态分解的波束形成方法研究[J];兵工学报;2011年03期

5 李中付,华宏星,宋汉文,陈之炎;模态分解法辨识线性结构在环境激励下的模态参数[J];上海交通大学学报;2001年12期

6 刘志刚,陈艾荣;桥梁顺风向等效风荷载计算方法及其分布[J];同济大学学报(自然科学版);2003年08期

7 李苗;任伟新;胡异丁;王宁波;;基于解析模态分解法的桥梁动态应变监测数据温度影响的分离[J];振动与冲击;2012年21期

8 ;[J];;年期

中国重要会议论文全文数据库 前2条

1 裴利军;邱本花;;模态分解法在非恒同耦合系统同步研究中的推广[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

2 潘

本文编号：308514