基于LMD的轴承故障特征提取方法研究

发布时间：2017-05-06 21:05

  本文关键词：基于LMD的轴承故障特征提取方法研究，由笔耕文化传播整理发布。

【摘要】：轴承是机械设备中一种常见的零部件,通常负责支撑机械转体和降低机械载荷摩擦。由于工作环境恶劣等因素,轴承极易发生故障,从而影响到相关机械设备的正常运行,因此,对轴承进行故障诊断具有重要意义。轴承故障特征提取是轴承故障诊断的核心,而轴承的振动信号与其工作状态密切相关,因此,利用轴承振动信号进行故障诊断是一种行之有效的方法。本文针对轴承振动信号的非平稳性、低信噪比及多分量调制特性,将局部均值分解(Local Mean Decomposition,简称LMD)方法引入轴承故障诊断中,利用LMD对轴承振动信号进行分解,并基于分解结果重构特征PF分量;考虑到轴承不同故障部位的能量分布有所不同,研究了一种基于重构PF分量投影能量的特征提取方法。本文围绕轴承振动信号去噪及特征提取进行了如下研究工作:(1)轴承工作环境恶劣,其振动信号传播路径复杂,导致采集到的轴承故障振动信号中往往掺杂大量随机噪声和干扰脉冲,因此,本文对奇异值分解理论进行了研究,采用奇异值分解方法去除信号中掺杂的随机噪声和脉冲干扰,避免LMD分解时产生模态混叠现象。(2)针对轴承故障振动信号具有调制的特性,将LMD方法应用于轴承故障特征提取中,可以自适应地将振动信号分解为若干单分量的调幅调频信号之和,因此非常适合轴承故障信号分析。仿真分析表明,LMD方法相对于经验模式分解(EMD)方法具有更好的自适应性和时频聚集性,能够更精确地获得信号的局部时频信息。(3)针对轴承不同故障部位对应的能量分布不同,提出了一种基于能量投影的特征提取方法。首先依据相关性准则并基于LMD分解结果重构特征PF分量,然后将其频谱能量聚集区域等距离划分为若干子频带,并将信号能量投影到这些划分好的子频带内,通过统计信号在各子频段区间内的能量分布将其作为轴承的故障特征。最后,利用BP神经网络对所提出的方法进行验证,实验结果表明了该方法的有效性。(4)应用MATLAB软件开发了一种轴承故障诊断软件系统,通过该系统可以有效的的进行故障诊断。
【关键词】：轴承故障诊断 特征提取 局部均值分解 能量投影 奇异值分解
【学位授予单位】：沈阳大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH133.3
【目录】：

• 摘要5-7
• Abstract7-11
• 第1章 绪论11-21
• 1.1 选题背景与意义11-12
• 1.2 国内外研究现状12-15
• 1.2.1 时频分析方法的的国内外研究现状13-14
• 1.2.2 故障特征提取方法的国内外研究现状14-15
• 1.3 轴承故障机理与分析15-19
• 1.3.1 轴承故障产生机理15-17
• 1.3.2 轴承的失效形式17-18
• 1.3.3 轴承的故障特征频率18-19
• 1.4 本论文的主要研究内容与主要创新点19-20
• 1.4.1 本论文的主要研究内容19-20
• 1.4.2 本论文的主要创新点20
• 1.5 本章小结20-21
• 第2章 SVD去噪方法研究21-35
• 2.1 SVD去噪方法21-22
• 2.1.1 SVD方法21-22
• 2.1.2 SVD去噪方法22
• 2.2 SVD去噪方法与小波包去噪方法对比实验研究22-30
• 2.2.1 调制信号对比分析23-27
• 2.2.2 轴承故障仿真信号对比分析27-30
• 2.3 工程信号分析30-34
• 2.4 本章小结34-35
• 第3章 LMD的基本原理和方法的研究35-45
• 3.1 LMD的基本原理与方法35-38
• 3.2 LMD方法与EMD方法之间的联系与区别38-40
• 3.2.1 LMD方法与EMD方法之间的联系与区别38
• 3.2.2 仿真分析38-40
• 3.3 LMD的问题及改进40-43
• 3.3.1 端点效应问题40-41
• 3.3.2 端点效应的改进方法41
• 3.3.3 仿真分析41-43
• 3.4 本章小结43-45
• 第4章 基于LMD的能量投影特征提取方法研究45-61
• 4.1 基于LMD的加权优化PF分量重构方法45-46
• 4.2 基于LMD的能量投影特征提取方法46-48
• 4.3 基于BP神经网络的轴承故障诊断48-50
• 4.4 基于能量投影特征的轴承故障振动信号特征提取实验研究50-59
• 4.4.1 轴承故障振动信号数据采集50-51
• 4.4.2 基于能量投影的轴承故障振动信号特征提取51-57
• 4.4.3 基于能量投影特征向量的轴承故障诊断57-59
• 4.5 本章小结59-61
• 第5章 轴承故障诊断系统软件开发61-67
• 5.1 轴承故障诊断系统软件平台设计61-62
• 5.2 登录模块62
• 5.3 轴承故障诊断模块62-66
• 5.4 本章小结66-67
• 第6章 总结与展望67-69
• 6.1 总结67-68
• 6.2 展望68-69
• 参考文献69-73
• 在学期间研究成果73-75
• 致谢75-76

【相似文献】

中国期刊全文数据库 前10条

1 李强;赵地;侯文富;;轴承故障的预防和诊断[J];现代零部件;2010年S1期

2 许树申;;轴承故障的检查和失效的原因[J];科技创新导报;2010年30期

3 徐丽娟;张春福;孙晓娟;于海波;何文广;;轴承故障识别与诊断方法的研究分析[J];机械工程师;2012年07期

4 丛培田;高伟;韩辉;李光;;轴承故障信号的峰值特征扩展电路研究[J];工具技术;2013年01期

5 佐藤勇藏;赵锁忠;;轴承故障及轮箍踏面剥离[J];国外机车车辆工艺;1983年06期

6 周贤全;;轴承故障新探测法[J];国外机车车辆工艺;1989年06期

7 王刚勤;;轴承故障检测器[J];设备管理与维修;1992年04期

8 甘晓晔,寇惠;低速重载大轴承故障特征与诊断探讨[J];设备管理&维修;1998年02期

9 潘炜;;正确识别转动设备轴承金属温度异常及轴承故障[J];应用能源技术;2014年01期

10 来五星;轩建平;史铁林;杨叔子;;用自回归最小二乘消噪法提纯轴承故障信号[J];振动、测试与诊断;2007年04期

中国重要会议论文全文数据库 前10条

1 邵毅全;钟鸣华;邵毅敏;;使用激光传感器检测轴承故障[A];第一届全国流体动力及控制工程学术会议论文集（第二卷）[C];2000年

2 张宏;杜联朝;琚科昌;;纸机轴承故障监测与诊断[A];中国造纸学会第十二届学术年会论文集（下）[C];2005年

3 杨积忠;左立建;;风机轴承故障诊断实例[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

4 郝如江;卢文秀;褚福磊;;基于形态分析和支持向量机的轴承故障分类研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

5 胡茑庆;潘中银;陈敏;秦国军;;结合包络解调与随机共振的轴承故障检测[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

6 徐建立;;基于支持向量机的转辙机轴承故障分类实验研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

7 杨曼云;;基于morlft小波法包络检波分析技术的轴承故障诊断技术研究[A];2012年全国地方机械工程学会学术年会论文集（云南省分册）[C];2012年

8 康晨晖;崔玲丽;胥永刚;高立新;;EMD熵值谱在轴承故障信号特征提取中的应用[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

9 苏钢;姚成宝;;高温鼓风机轴承故障分析与诊断[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年

10 朱文军;盛邦清;訾建新;;矿用大型设备轴承故障监测与诊断系统的研究及应用[A];第24届全国煤矿自动化与信息化学术会议暨第6届中国煤矿信息化与自动化高层论坛论文集[C];2014年

中国重要报纸全文数据库 前2条

1 通讯员 魏向军;“六字诀”工作法扼制机车“隐形杀手”[N];人民铁道;2008年

2 钟佳 任重;搏浪击水竞风流[N];中国航空报;2004年

中国博士学位论文全文数据库 前6条

1 李萌;旋转机械轴承故障的特征提取与模式识别方法研究[D];吉林大学;2008年

2 张翱;列车轴承故障道旁声学诊断关键技术研究[D];中国科学技术大学;2014年

3 胡飞;列车轴承故障轨边声学检测系统关键技术研究[D];中国科学技术大学;2013年

4 朱可恒;滚动轴承振动信号特征提取及诊断方法研究[D];大连理工大学;2013年

5 王冬云;转子-轴承故障诊断方法研究[D];燕山大学;2012年

6 钟先友;旋转机械故障诊断的时频分析方法及其应用研究[D];武汉科技大学;2014年

中国硕士学位论文全文数据库 前10条

1 项巍巍;轮轨车辆轴承故障模拟及稀疏诊断方法研究[D];苏州大学;2015年

2 陆新峤;基于DSP的电机轴承故障电流特征研究[D];大连海事大学;2015年

3 李美娇;航空发动机轴承故障特征提取方法研究及动力学仿真[D];北京化工大学;2015年

4 马杨;基于FPGA的电机轴承故障电流特征研究[D];大连海事大学;2015年

5 徐长源;基于LMD的轴承故障特征提取方法研究[D];沈阳大学;2016年

6 赵凯;基于支持向量回归的轴承故障定量诊断方法研究[D];苏州大学;2012年

7 李文麒;基于小波变换与递归定量分析的轴承故障信号研究[D];哈尔滨工业大学;2012年

8 李亮;基于EEMD样本熵和模糊聚类的轴承故障诊断方法研究[D];燕山大学;2013年

9 王刚;基于模糊逻辑的轴承故障早期诊断方法研究[D];哈尔滨工业大学;2008年

10 陆汝华;基于HMM的轴承故障音频诊断方法研究[D];中南大学;2007年

  本文关键词：基于LMD的轴承故障特征提取方法研究，由笔耕文化传播整理发布。

，

本文编号：349118