基于小波分析和隐马尔科夫模型的风机轴承的故障诊断研究

发布时间：2021-10-08 06:09

　　风机是旋转机械的一种,主要是依靠机械能提高气体压力并向输送气体的设备。而滚动轴承作为风机的重要零部件,其工作时性能的好坏直接影响到风机的工作情况,由于风机的滚动轴承在工作时一直处于高速运转状态,所以风机轴承是一个特别容易损坏的部件。因此对风机的滚动轴承进行故障诊断存在重要的意义。隐马尔科夫模型作为一种统计分析模型,是一个双重的随机过程,是信号处理的一个重要方向。已经被成功的应用到语音识别、行为识别和故障诊断中。本文主要研究内容有:（1）介绍风机的故障机理,分析各种故障对应频率。分析滚动轴承的主要失效形式及其故障频率。对特征频率提取方法进行了详细的阐述。（2）对隐马尔科夫模型进行了简要的介绍,分析了隐马尔科夫模型主要问题和相应问题的解决方法。并对隐马尔科夫模型衍生出的类型进行了分类和简要介绍。（3）对实验进行了设计,从硬件选型,搭配和软件设计系统的数据采集等各模块的设计和建立进行了介绍。并进行实验验证。（4）对采集的故障轴承信号进行了降噪,能量分析,使用隐马尔科夫模型实现轴承的故障诊断。本文通过对风机轴承的故障诊断实验验证,证明了基于隐马尔科夫模型和小波分析的风机轴承故障诊断技术具有高准... 

【文章来源】：昆明理工大学云南省

【文章页数】：91 页

【学位级别】：硕士

【部分图文】：

转子不对中分类图

正常轴承及其他三种故障频谱

轴承正常及其他三种故障包络谱

【参考文献】：
期刊论文
[1]基于声发射信号的滚动轴承外圈疲劳剥落故障双冲击特征提取[J]. 孙守保,郭瑜,伍星.  振动与冲击. 2017(04)
[2]基于主成分分析和支持向量机的滚动轴承故障特征融合分析[J]. 古莹奎,承姿辛,朱繁泷.  中国机械工程. 2015(20)
[3]基于经验模式分解和主元分析的滚动轴承故障诊断方法研究[J]. 徐卓飞,刘凯,张海燕,王丹,张明龙,吴欣阳.  振动与冲击. 2014(23)
[4]基于改进支持向量机的风机性能在线监测平台研究[J]. 王松岭,许小刚,刘锦廉,李非,戴谦.  流体机械. 2013(11)
[5]基于EMD-ICA和HMM的风机故障分类方法[J]. 任学平,单立伟.  汽轮机技术. 2013(04)
[6]基于小波包分解和BP神经网络的轴承故障诊断[J]. 叶瑞召,李万红.  轴承. 2012(10)
[7]基于HMM&SVM的核动力设备机械故障诊断方法研究[J]. 岳夏,张春良,全燕鸣,朱厚耀.  核动力工程. 2012(03)
[8]基于混合高斯密度HMM的轴承故障诊断技术研究[J]. 冯长建,邵强,康晶.  汽轮机技术. 2011(03)
[9]基于SOM和HMM结合的刀具磨损状态监测研究[J]. 吕俊杰,王杰,王玫,吴越.  中国机械工程. 2010(13)
[10]滚动轴承的故障特征提取技术与方法研究[J]. 刘春光,谭继文,张驰.  煤矿机械. 2010(04)

博士论文
[1]基于隐马尔可夫模型与信息融合的设备故障诊断与性能退化评估研究[D]. 刘韬.上海交通大学 2014
[2]基于耦合隐马尔可夫模型的滚动轴承故障诊断与性能退化评估研究[D]. 肖文斌.上海交通大学 2011
[3]滚动轴承表面损伤故障的特征提取与诊断方法研究[D]. 隋文涛.山东大学 2011

硕士论文
[1]基于DSP与ARM相结合的风机故障诊断及监测系统设计[D]. 徐盛龙.中国矿业大学 2014
[2]基于神经网络和小波分析的风机故障诊断专家系统[D]. 米江.南京航空航天大学 2010
[3]基于HMM与AIS混合模型的核动力设备故障诊断系统开发[D]. 陈丽萍.电子科技大学 2009
[4]基于HMM模型的混合特征参数语音识别方法的研究[D]. 赵皓千.西安理工大学 2009
[5]基于网络的矿用通风机故障预警及性能测定系统的开发[D]. 朱全.北京工业大学 2008
[6]风机旋转机械设备故障诊断专家系统的设计与实现[D]. 梁亮.北京化工大学 2008
[7]机械设备工况监测与故障诊断系统[D]. 王亚锋.北京化工大学 2005



本文编号：3423582