基于VMD与改进VPMCD的滚动轴承故障诊断研究
发布时间：2021-10-09 00:31
随着工业4.0时代的到来,机械设备不断的朝智能化、集成化和精密化的趋势发展,对机械设备的可靠性要求也越来越高,同时促使了故障诊断技术的不断改革与创新。滚动轴承作为旋转机械设备部件发生故障最多部件之一,对其运行状态监测和提高故障诊断具有重要意义。如何从强噪声背景下提出轴承故障特征并有效识别故障类型一直是该领域难以攻克一个难点问题。本文将从特征提取和模式识别两方面对轴承故障信号进行研究,从而实现对滚动轴承故障的智能诊断。论文的研究内容可以概括如下几个方面:（1）在研究变模态经验分解（Variational Mode Decomposition,简称VMD）方法在信号处理方面的应用机理的基础之上,将该方法用于轴承故障信号的分析中。通过仿真实验分析,实验结果表明VMD方法可以有效避免经验模态分解（Empirical Mode Decomposition,简称EMD）存在分解不稳定、端点效应等问题,改善了信号分解的效果,在噪声抑制和噪声鲁棒性方面具有一定的优势。（2）提出一种基于VMD和形态差值滤波的特征提取方法。首先通过VMD方法分解得到若干本征模态分量（Intrinsic Mode Func...
【文章来源】：昆明理工大学云南省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
滚动轴承结构示意图
图 3.1 仿真信号时域图图 3.2 VMD 仿真信号分解图按 3.2.2 节所述的方法对仿真信号进行 VMD 分解，分解结果3.2 所示。由于 VMD 方法对中心频率的迭代从 0 开始，所以 BLIM率呈由低到高排列。把 VMD 的仿真信号y分解为 4 个分量。从信BLIMF 分量可以看出，它可真实反映信号的构成，得到了有效的分0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1-505BLIMF10 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1-505BLIMF20 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1-505BLIMF30 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1-505BLIMF4时间t/s
University提供 SKF型轴承的故障数据信号[64]，实验与采集装置如图3.6所示，左边的为2hp的电机，中间为转矩传感器，右边为功率计，电机轴被测试轴承支承，还有与之相连的电子控制设备和采集数据的计算机（不在图中）。
本文编号：3425280
【文章来源】：昆明理工大学云南省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
滚动轴承结构示意图
图 3.1 仿真信号时域图图 3.2 VMD 仿真信号分解图按 3.2.2 节所述的方法对仿真信号进行 VMD 分解，分解结果3.2 所示。由于 VMD 方法对中心频率的迭代从 0 开始，所以 BLIM率呈由低到高排列。把 VMD 的仿真信号y分解为 4 个分量。从信BLIMF 分量可以看出，它可真实反映信号的构成，得到了有效的分0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1-505BLIMF10 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1-505BLIMF20 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1-505BLIMF30 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1-505BLIMF4时间t/s
University提供 SKF型轴承的故障数据信号[64]，实验与采集装置如图3.6所示，左边的为2hp的电机，中间为转矩传感器，右边为功率计，电机轴被测试轴承支承，还有与之相连的电子控制设备和采集数据的计算机（不在图中）。
本文编号：3425280
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3425280.html
