基于小波包和支持向量机的滚动轴承故障特征提取及诊断研究
发布时间：2021-06-12 08:34
滚动轴承是旋转机械中必备的关键构成部件,一旦出现故障就会影响机械设备的正常运行,及时对机械和设备进行故障诊断排查对设备的正常运行起着重要的作用。因此本文以滚动轴承故障诊断为背景,对其可能出现的滚珠故障、内圈故障、外圈故障、三种故障类型及其正常情况下的振动信号进行诊断研究,这对机械设备的高效运行、安全操作以及提高经济效益具有十分重要的意义。首先,本文分析了现阶段提取故障信息的主要方法,并根据滚动轴承早期故障数据特征特点,选择小波包变换（Wavelet Package Transform,WPT）技术提取第3层分解后重构的8个能量值,并取8个能量值来表示原始数据的特征。小波包重构之后的能量特征值需要进行归一化处理作为模式分类器的输入。其次,本文选择支持向量机（Support Vector Machine,SVM）模式识别模型对特征数据进行模式识别,但其惩罚参数c和核参数g选取不同严重影响SVM的分类效果,所以本文提出通过人工鱼群算法（Artificial Fish Swarm Algorithm,AFSA）、引力搜索算法（Gravitational Search Algorithm,GSA...
【文章来源】：青岛大学山东省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
滚动轴承应用场景
图 1.1 滚动轴承应用场景承属于应用最广泛的一类旋转机械[4]，据不完全统计，旋转动轴承出现问题而产生的故障占到 30%-40%，因此，准确、障进行识别诊断，是对保证设备安全、高效、平稳运行的一产生活、人们生命财产安全提出的更高要求。在《中国制造科发展战略报告(2011-2020)》[5]中，有关机械设备的智能监为智能制造的重要相关技术。因此，人工智能故障诊断技术故障诊断领域发展的大方向，也正逐渐成为机械故障诊断发展技术是包含数学、力学、计算机科学等多门学科交融起来的诊断技术在这些基础学科发展的支持烘托下，其发展进步程智能优化算法的神经网络等模型分类器和基于符号推理的专，在滚动轴承智能诊断领域已得到广泛应用[7]，但是因其故发生，对故障诊断技术的深入研究仍然面临更大的挑战。因障诊断技术和新方法对高效率高安全的生产生活具有重大意
图 1.3 轴承故障诊断的发展经历障诊断技术的发展趋势断技术的层出不穷，相应的滚动轴承的诊断技术技术已经成熟且投入到实际应用当中，但是仍然存现象，所以在未来还需要加深对轴承故障诊断技轴承故障诊断技术的发展趋势必然是朝着智能化轴承故障诊断过程中继续发挥小波变换、小波包。断从根本上说其实是对数据类型的模式识别，神实现数据训练、学习并识别，而对于更加复杂难神经网络的叠加或者利用优化算法优化神经网络，深入研究之后势必得到广泛应用。障诊断相比较传统的人工领域故障诊断具有众多
【参考文献】：
期刊论文
[1]融合数据分布特征的多视图典型相关分析[J]. 郭慧,刘忠宝. 广西大学学报(自然科学版). 2018(06)
[2]风力发电机组齿轮箱基于油液和振动信号分析的故障诊断技术研究[J]. 张振伟,程明杰,甄亮. 内蒙古科技与经济. 2018(19)
[3]基于短时傅里叶变换和卷积神经网络的轴承故障诊断方法[J]. 李恒,张氢,秦仙蓉,孙远韬. 振动与冲击. 2018(19)
[4]旋转机械故障诊断研究方法综述[J]. 苏乃权,熊建斌,张清华,黄崇林. 机床与液压. 2018(07)
[5]高铁列车运行控制系统故障诊断方法分析[J]. 马少波. 科技创新与应用. 2017(29)
[6]基于离散小波变换的图像素描生成算法[J]. 姚敏,赵振刚,高立慧,李川. 计算机与数字工程. 2017(06)
[7]基于粒子群优化支持向量机的电能替代潜力分析方法[J]. 孙毅,石墨,单葆国,曹昉. 电网技术. 2017(06)
[8]基于BP神经网络的滚动轴承故障诊断[J]. 刘元是,陈建政. 铁道机车与动车. 2017(02)
[9]旋转机械传动系统运行稳定性劣化表征参数提取方法研究[J]. 蒋章雷,徐小力. 电子测量与仪器学报. 2017(01)
[10]基于ABAQUS的深沟球轴承接触应力有限元分析[J]. 甘伟,林辉. 科技通报. 2016(08)
博士论文
[1]数据驱动的滚动轴承故障特征分析与诊断方法研究[D]. 俞啸.中国矿业大学 2017
[2]基于振动信号的机械故障特征提取与诊断研究[D]. 赵志宏.北京交通大学 2012
[3]高速列车车轴旋转弯曲作用下微动疲劳损伤研究[D]. 杨广雪.北京交通大学 2011
[4]基于数据驱动的故障诊断模型及算法研究[D]. 吕宁.哈尔滨理工大学 2009
硕士论文
[1]基于异常检测算法的滚动轴承性能退化评估[D]. 郭慧娟.华东交通大学 2018
[2]滚动轴承故障诊断方法改进与研究[D]. 张晴.青岛大学 2018
[3]城市轨道车辆轴承故障诊断研究[D]. 毛云龙.青岛大学 2017
[4]基于WPHM模型的滚动轴承寿命预测方法研究[D]. 刘恩龙.大连理工大学 2014
[5]基于频率切片小波变换的轨道交通轮轨振动信号分析[D]. 李建伟.南京理工大学 2014
[6]高阶统计量在滚动轴承故障诊断中的应用[D]. 郭庆丰.电子科技大学 2013
[7]基于魏格纳分布的心杂音信号时频能量谱分析及分类研究[D]. 胡童宜.重庆大学 2012
[8]轨道列车走行部滚动轴承故障诊断研究[D]. 贾天丽.北京交通大学 2011
[9]基于小波理论的滚动轴承振动信号的分析研究[D]. 苏新伟.哈尔滨工业大学 2007
[10]基于LabVIEW的大型旋转机械状态监测与故障诊断系统开发[D]. 王保强.大连理工大学 2005
本文编号：3226306
【文章来源】：青岛大学山东省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
滚动轴承应用场景
图 1.1 滚动轴承应用场景承属于应用最广泛的一类旋转机械[4]，据不完全统计，旋转动轴承出现问题而产生的故障占到 30%-40%，因此，准确、障进行识别诊断，是对保证设备安全、高效、平稳运行的一产生活、人们生命财产安全提出的更高要求。在《中国制造科发展战略报告(2011-2020)》[5]中，有关机械设备的智能监为智能制造的重要相关技术。因此，人工智能故障诊断技术故障诊断领域发展的大方向，也正逐渐成为机械故障诊断发展技术是包含数学、力学、计算机科学等多门学科交融起来的诊断技术在这些基础学科发展的支持烘托下，其发展进步程智能优化算法的神经网络等模型分类器和基于符号推理的专，在滚动轴承智能诊断领域已得到广泛应用[7]，但是因其故发生，对故障诊断技术的深入研究仍然面临更大的挑战。因障诊断技术和新方法对高效率高安全的生产生活具有重大意
图 1.3 轴承故障诊断的发展经历障诊断技术的发展趋势断技术的层出不穷，相应的滚动轴承的诊断技术技术已经成熟且投入到实际应用当中，但是仍然存现象，所以在未来还需要加深对轴承故障诊断技轴承故障诊断技术的发展趋势必然是朝着智能化轴承故障诊断过程中继续发挥小波变换、小波包。断从根本上说其实是对数据类型的模式识别，神实现数据训练、学习并识别，而对于更加复杂难神经网络的叠加或者利用优化算法优化神经网络，深入研究之后势必得到广泛应用。障诊断相比较传统的人工领域故障诊断具有众多
【参考文献】：
期刊论文
[1]融合数据分布特征的多视图典型相关分析[J]. 郭慧,刘忠宝. 广西大学学报(自然科学版). 2018(06)
[2]风力发电机组齿轮箱基于油液和振动信号分析的故障诊断技术研究[J]. 张振伟,程明杰,甄亮. 内蒙古科技与经济. 2018(19)
[3]基于短时傅里叶变换和卷积神经网络的轴承故障诊断方法[J]. 李恒,张氢,秦仙蓉,孙远韬. 振动与冲击. 2018(19)
[4]旋转机械故障诊断研究方法综述[J]. 苏乃权,熊建斌,张清华,黄崇林. 机床与液压. 2018(07)
[5]高铁列车运行控制系统故障诊断方法分析[J]. 马少波. 科技创新与应用. 2017(29)
[6]基于离散小波变换的图像素描生成算法[J]. 姚敏,赵振刚,高立慧,李川. 计算机与数字工程. 2017(06)
[7]基于粒子群优化支持向量机的电能替代潜力分析方法[J]. 孙毅,石墨,单葆国,曹昉. 电网技术. 2017(06)
[8]基于BP神经网络的滚动轴承故障诊断[J]. 刘元是,陈建政. 铁道机车与动车. 2017(02)
[9]旋转机械传动系统运行稳定性劣化表征参数提取方法研究[J]. 蒋章雷,徐小力. 电子测量与仪器学报. 2017(01)
[10]基于ABAQUS的深沟球轴承接触应力有限元分析[J]. 甘伟,林辉. 科技通报. 2016(08)
博士论文
[1]数据驱动的滚动轴承故障特征分析与诊断方法研究[D]. 俞啸.中国矿业大学 2017
[2]基于振动信号的机械故障特征提取与诊断研究[D]. 赵志宏.北京交通大学 2012
[3]高速列车车轴旋转弯曲作用下微动疲劳损伤研究[D]. 杨广雪.北京交通大学 2011
[4]基于数据驱动的故障诊断模型及算法研究[D]. 吕宁.哈尔滨理工大学 2009
硕士论文
[1]基于异常检测算法的滚动轴承性能退化评估[D]. 郭慧娟.华东交通大学 2018
[2]滚动轴承故障诊断方法改进与研究[D]. 张晴.青岛大学 2018
[3]城市轨道车辆轴承故障诊断研究[D]. 毛云龙.青岛大学 2017
[4]基于WPHM模型的滚动轴承寿命预测方法研究[D]. 刘恩龙.大连理工大学 2014
[5]基于频率切片小波变换的轨道交通轮轨振动信号分析[D]. 李建伟.南京理工大学 2014
[6]高阶统计量在滚动轴承故障诊断中的应用[D]. 郭庆丰.电子科技大学 2013
[7]基于魏格纳分布的心杂音信号时频能量谱分析及分类研究[D]. 胡童宜.重庆大学 2012
[8]轨道列车走行部滚动轴承故障诊断研究[D]. 贾天丽.北京交通大学 2011
[9]基于小波理论的滚动轴承振动信号的分析研究[D]. 苏新伟.哈尔滨工业大学 2007
[10]基于LabVIEW的大型旋转机械状态监测与故障诊断系统开发[D]. 王保强.大连理工大学 2005
本文编号：3226306
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3226306.html
