变工况和背景噪声影响下的故障响应表征及相似性度量
发布时间：2021-04-01 01:03
与无干扰环境和稳态工况相比,变工况和背景噪声下的滚动轴承振动信号是十分复杂的。变转速、不同载荷、强噪声等因素会导致振动信号出现变幅、变相、变频等不平稳状态,使其故障特征难以提取。而传统机械故障诊断对复杂工况和噪声下的故障诊断作用较差,具有不稳定性。对变工况和背景噪声下的滚动轴承振动信号分析是当前国内外研究的热点,具有很大的意义。针对以上不同工况和噪声下故障诊断难题,本学位论文提出基于时间序列挖掘的方法针对变工况和背景噪声下的故障响应同源相似性进行研究。本文主要研究了故障滚动轴承振动时间序列的表征方式和相似性度量方法,利用同源故障响应之间相似性高的特征,使用同源和非同源故障时间序列对同源相似性分析方案进行筛选和总结。针对变转速、不同载荷、外圈故障位置不同和背景噪声等四种情况下的实验数据进行同源相似性分析。具体研究内容如下:（1）研究了不同时间序列表征方式针对外圈、滚动体、内圈故障滚动轴承数据进行时间序列表征的特性。总结了二次FFT、相空间重构、倒频谱和分段线性表示方式的优缺点。研究了不同相似性度量方法对简单时间序列进行相似性度量的特性。论述了欧氏距离、JS散度、符号化距离、余弦距离和动态...
【文章来源】： 李炫承 北京交通大学
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
图１－１研究内容??Ｆｉｇ．?１－１?ｒｅｓｅａｒｃｈ?ｃｏｎｔｅｎｔ??
Ｆｉｇ．２－６?１３２．ｍａｔ?１２０．ｍａｔ?１０７．ｍａｔ?ｓｌｉｃｅｓ?ｓｅｃｏｎｄ?ＦＦＴ?ｒｅｐｒｅｓｅｎｔａｔｉｏｎ?ｗａｖｅｆｏｒｍ??以二次傅里叶表示后的１３２．ｍａｔ第一个切片为标准，使用外圈故障数据??１３２．?ｍａｔ，滚动体故障数据１２０．?ｍａｔ和内圈故障数据１０７．?ｍａｔ三种故障信号的３０??个二次傅里叶切片对标本进行动态时间弯曲计算，得到三种信号各二次傅里叶切??片的动态时间弯曲距离值，如图２－７。??０．０１５?１?！?１?１?＼???ｇ?Ａ?Ａｉ?ａ?！?Ａ?＾?ａ?Ｉ??０?００５?＊??°０?５?１０?１５?２０?２５?３０??采样点数??图２－７二次ＦＦＴ表示后切片与１３２．?ｍａｔ第一个切片之间的动态时间弯曲距离??Ｆｉｇ．２－７?Ｄｙｎａｍｉｃ?ｔｉｍｅ?ｗａｒｐｉｎｇ?ｄｉｓｔａｎｃｅ?ａｆｔｅｒ?ｔｈｅ?ｏｔｈｅｒ?ｓｌｉｃｅｓ?ｒｅｐｒｅｓｅｎｔａｔｉｏｎ?ａｎｄ?ｔｈｅ?ｆｉｒｓｔ?ｓｌｉｃｅ?ｏｆ??１３２．ｍａｔ?ｓｅｃｏｎｄ?ＦＦＴ??
?北京交通大学硕士专业学位论文???欧氏距离要求进行度量的时间序列长度相等，本节仿真正弦信号、加入噪声??的正弦信号、矩形方波信号和三角信号。将正弦信号和加入噪声的正弦信号视为??同源信号，其他两种视为非同源信号。将正弦信号视为标准信号，使用欧氏距离??度量方法对其他三种信号对标准信号进行度量。??
【参考文献】：
期刊论文
[1]载荷鲁棒的滚动轴承早期故障诊断[J]. 张锐戈,谭永红. 振动.测试与诊断. 2013(06)
[2]机械故障诊断基础研究“何去何从”[J]. 王国彪,何正嘉,陈雪峰,赖一楠. 机械工程学报. 2013(01)
[3]基于倒频谱技术的滚动轴承故障诊断[J]. 易挺,梁楚华,朱圆圆. 机床与液压. 2009(09)
[4]小波阈值降噪算法中最优分解层数的自适应确定及仿真[J]. 王维,张英堂,任国全. 仪器仪表学报. 2009(03)
[5]基于统计特征的时序数据符号化算法[J]. 钟清流,蔡自兴. 计算机学报. 2008(10)
[6]冲击载荷作用下计入轴倾斜的轴-轴承系统动力学摩擦学行为研究[J]. 何芝仙,桂长林,李震,孙军. 轴承. 2007(03)
[7]先进道旁车辆状态监视系统的开发和应用[J]. FirdausiD.Irani,吴朝院. 国外铁道车辆. 2002(02)
[8]轴承故障诊断的二次FFT分析法[J]. 汪世益,高波. 振动.测试与诊断. 1998(02)
[9]调制信号的时频分布特征及应用[J]. 孟庆丰,何正嘉,赵纪元. 振动.测试与诊断. 1994(04)
博士论文
[1]时间序列数据挖掘中的特征表示与分类方法的研究[D]. 胡宇鹏.山东大学 2018
[2]大型旋转机械振动信号分析与早期故障辨识方法研究[D]. 党建.西安理工大学 2018
[3]面向时间序列分类任务的SAX方法研究[D]. 宋伟.郑州大学 2018
[4]基于混沌理论的滚动轴承故障诊断及故障趋势预测研究[D]. 李扬.西南交通大学 2018
[5]基于振动信号处理的旋转机械故障诊断方法研究[D]. 刘尚坤.华北电力大学(北京) 2017
[6]复杂工况下旋转机械故障特征提取方法研究[D]. 姚金宝.重庆大学 2017
[7]基于自适应振动信号处理的旋转机械故障诊断研究[D]. 张超.西安电子科技大学 2012
[8]时间序列的分割及不一致发现研究[D]. 李桂玲.华中科技大学 2012
[9]基于信号局部特征提取的机械故障诊断方法研究[D]. 杨先勇.浙江大学 2009
[10]时序、图像特征检测的理论、方法及应用研究[D]. 钟清流.中南大学 2008
硕士论文
[1]结合时频分析和卷积神经网络的滚动轴承故障诊断优化方法研究[D]. 黄驰城.浙江大学 2019
[2]基于JS散度的智能终端安全认证方法研究[D]. 乔双媛.西安电子科技大学 2017
[3]航天器遥测时间序列数据挖掘研究[D]. 毛天铭.南京航空航天大学 2017
[4]基于JS散度的结构损伤诊断方法研究[D]. 郭爽.哈尔滨工业大学 2014
[5]强冲击下变速箱滚动轴承故障特征提取及状态评估研究[D]. 尹芳莉.中南大学 2014
本文编号：3112391
【文章来源】： 李炫承 北京交通大学
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
图１－１研究内容??Ｆｉｇ．?１－１?ｒｅｓｅａｒｃｈ?ｃｏｎｔｅｎｔ??
Ｆｉｇ．２－６?１３２．ｍａｔ?１２０．ｍａｔ?１０７．ｍａｔ?ｓｌｉｃｅｓ?ｓｅｃｏｎｄ?ＦＦＴ?ｒｅｐｒｅｓｅｎｔａｔｉｏｎ?ｗａｖｅｆｏｒｍ??以二次傅里叶表示后的１３２．ｍａｔ第一个切片为标准，使用外圈故障数据??１３２．?ｍａｔ，滚动体故障数据１２０．?ｍａｔ和内圈故障数据１０７．?ｍａｔ三种故障信号的３０??个二次傅里叶切片对标本进行动态时间弯曲计算，得到三种信号各二次傅里叶切??片的动态时间弯曲距离值，如图２－７。??０．０１５?１?！?１?１?＼???ｇ?Ａ?Ａｉ?ａ?！?Ａ?＾?ａ?Ｉ??０?００５?＊??°０?５?１０?１５?２０?２５?３０??采样点数??图２－７二次ＦＦＴ表示后切片与１３２．?ｍａｔ第一个切片之间的动态时间弯曲距离??Ｆｉｇ．２－７?Ｄｙｎａｍｉｃ?ｔｉｍｅ?ｗａｒｐｉｎｇ?ｄｉｓｔａｎｃｅ?ａｆｔｅｒ?ｔｈｅ?ｏｔｈｅｒ?ｓｌｉｃｅｓ?ｒｅｐｒｅｓｅｎｔａｔｉｏｎ?ａｎｄ?ｔｈｅ?ｆｉｒｓｔ?ｓｌｉｃｅ?ｏｆ??１３２．ｍａｔ?ｓｅｃｏｎｄ?ＦＦＴ??
?北京交通大学硕士专业学位论文???欧氏距离要求进行度量的时间序列长度相等，本节仿真正弦信号、加入噪声??的正弦信号、矩形方波信号和三角信号。将正弦信号和加入噪声的正弦信号视为??同源信号，其他两种视为非同源信号。将正弦信号视为标准信号，使用欧氏距离??度量方法对其他三种信号对标准信号进行度量。??
【参考文献】：
期刊论文
[1]载荷鲁棒的滚动轴承早期故障诊断[J]. 张锐戈,谭永红. 振动.测试与诊断. 2013(06)
[2]机械故障诊断基础研究“何去何从”[J]. 王国彪,何正嘉,陈雪峰,赖一楠. 机械工程学报. 2013(01)
[3]基于倒频谱技术的滚动轴承故障诊断[J]. 易挺,梁楚华,朱圆圆. 机床与液压. 2009(09)
[4]小波阈值降噪算法中最优分解层数的自适应确定及仿真[J]. 王维,张英堂,任国全. 仪器仪表学报. 2009(03)
[5]基于统计特征的时序数据符号化算法[J]. 钟清流,蔡自兴. 计算机学报. 2008(10)
[6]冲击载荷作用下计入轴倾斜的轴-轴承系统动力学摩擦学行为研究[J]. 何芝仙,桂长林,李震,孙军. 轴承. 2007(03)
[7]先进道旁车辆状态监视系统的开发和应用[J]. FirdausiD.Irani,吴朝院. 国外铁道车辆. 2002(02)
[8]轴承故障诊断的二次FFT分析法[J]. 汪世益,高波. 振动.测试与诊断. 1998(02)
[9]调制信号的时频分布特征及应用[J]. 孟庆丰,何正嘉,赵纪元. 振动.测试与诊断. 1994(04)
博士论文
[1]时间序列数据挖掘中的特征表示与分类方法的研究[D]. 胡宇鹏.山东大学 2018
[2]大型旋转机械振动信号分析与早期故障辨识方法研究[D]. 党建.西安理工大学 2018
[3]面向时间序列分类任务的SAX方法研究[D]. 宋伟.郑州大学 2018
[4]基于混沌理论的滚动轴承故障诊断及故障趋势预测研究[D]. 李扬.西南交通大学 2018
[5]基于振动信号处理的旋转机械故障诊断方法研究[D]. 刘尚坤.华北电力大学(北京) 2017
[6]复杂工况下旋转机械故障特征提取方法研究[D]. 姚金宝.重庆大学 2017
[7]基于自适应振动信号处理的旋转机械故障诊断研究[D]. 张超.西安电子科技大学 2012
[8]时间序列的分割及不一致发现研究[D]. 李桂玲.华中科技大学 2012
[9]基于信号局部特征提取的机械故障诊断方法研究[D]. 杨先勇.浙江大学 2009
[10]时序、图像特征检测的理论、方法及应用研究[D]. 钟清流.中南大学 2008
硕士论文
[1]结合时频分析和卷积神经网络的滚动轴承故障诊断优化方法研究[D]. 黄驰城.浙江大学 2019
[2]基于JS散度的智能终端安全认证方法研究[D]. 乔双媛.西安电子科技大学 2017
[3]航天器遥测时间序列数据挖掘研究[D]. 毛天铭.南京航空航天大学 2017
[4]基于JS散度的结构损伤诊断方法研究[D]. 郭爽.哈尔滨工业大学 2014
[5]强冲击下变速箱滚动轴承故障特征提取及状态评估研究[D]. 尹芳莉.中南大学 2014
本文编号：3112391
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3112391.html
