基于HOS的滚动轴承故障诊断方法应用研究
发布时间：2022-08-12 15:38
滚动轴承是各种旋转机械中应用最为广泛的一种通用机械部件,也是确保机械设备功能和性能的关键部件。由于滚动轴承的结构特点及工作条件恶劣,极易造成损坏,对滚动轴承进行故障诊断与状态监测意义重大。故障轴承振动信号呈现出较强的非高斯、非线性、非平稳特性,使用传统的基于线性平稳假设的信号处理方法处理效果不理想。高阶统计量（Higher-Order Statistic, HOS）是最近十几年发展较快的一种现代信号处理方法,由于其出色的噪声消除性能及相位保留能力,是处理非线性、非高斯、非平稳、非最小相位、非因果信号的有效手段,被广泛应用于雷达、声纳、生物医学、地球物理、盲信号处理、盲系统辨识、机械故障诊断等众多领域。本文对双谱、三谱、双相干谱、双谱切片、Hilbert双谱、高阶时频谱的定义、性质、估计方法及物理意义进行了研究；讨论了信号幅值和相位重构的意义及常用方法,使用基于双谱的最小二乘法对轴承振动信号进行相位和幅值重构分析；讨论了滚动轴承故障机理及振动模型,对滚动轴承振动信号在高频共振处带通滤波,对滤波后的信号进行双谱分析并与传统的双谱分析结果进行了对比,结果表明该方法在消除噪声、突出故障特征方面...
【文章页数】：101 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题的背景和意义
1.2 HOS理论国内外研究现状
1.2.1 HOS理论的发展
1.2.2 HOS理论国外研究和应用现状
1.2.3 HOS理论国内研究和应用现状
1.3 滚动轴承故障诊断研究现状
1.3.1 滚动轴承振动特征
1.3.2 轴承故障诊断技术的发展
1.3.3 基于现代信号处理方法的滚动轴承故障诊断
1.3.4 分类及优化算法在轴承故障诊断中的应用
1.4 本文内容
第二章 高阶统计量理论
2.1 序言
2.2 高阶统计量定义
2.2.1 特征函数与矩
2.2.2 累积量的矩表达
2.2.3 高阶谱
2.3 高阶统计量性质
2.3.1 高斯信号的高阶统计量
2.3.2 高阶累积量的性质
2.4 高阶谱估计方法
2.4.1 非参数双谱估计
2.4.2 参数法双谱估计
2.5 双谱物理意义
2.6 本章小结
第三章 基于双谱的信号重构方法研究
3.1 引言
3.2 基于双谱的信号相位重构算法研究
3.2.1 基于双谱的信号相位重构原理
3.2.2 BMU和Lii-Rosenblatt法相位重构算法
3.2.3 基于双谱的最小二乘相位重构算法
3.3 基于双谱的信号幅值重构算法研究
3.3.1 基于Bartelt算法的信号幅值重构
3.3.2 基于双谱的最小二乘法幅值重构算法
3.4 滚动轴承故障信号的双谱重构分析
3.5 本章小结
第四章 滚动轴承振动信号双谱分析方法
4.1 引言
4.2 滚动轴承振动信号双谱分析方法研究
4.3 滚动轴承振动信号11/2维谱分析
4.3.1 11/2维谱定义
4.3.2 滚动轴承振动信号双谱对角切片分析
4.3.3 滚动轴承振动信号双谱水平切片分析
4.3.4 滚动轴承振动信号积分双谱分析
4.4 滚动轴承振动信号Hilbert双谱分析
4.4.1 解调分析方法概述
4.4.2 Hilbert双谱分析方法
4.4.3 滚动轴承振动信号Hilbert双谱分析
4.5 滚动轴承振动信号高阶时频分析
4.5.1 高阶时频分布理论
4.5.2 仿真信号高阶时频分析
4.5.3 滚动轴承振动信号高阶时频分析
4.5.4 滚动轴承振动信号高阶时频切片分析
4.6 本章小结
第五章 基于双谱和支持向量机的轴承故障诊断
5.1 引言
5.2 基于双谱的滚动轴承特征提取研究
5.2.1 滚动轴承振动信号双谱峰值信息特征提取
5.2.2 滚动轴承振动信号双相干谱特征提取
5.2.3 滚动轴承振动信号ARMA模型参数特征提取
5.3 支持向量机理论
5.3.1 统计学习系理论简介
5.3.2 二分类支持向量机
5.3.3 多分类支持向量机
5.4 粒子群优化的支持向量机
5.4.1 优化问题的一般描述
5.4.2 群体智能优化算法
5.4.3 微粒群算法的社会行为分析
5.4.4 粒子群优化支持向量机
5.4.5 PSO-SVM应用于滚动轴承分类
5.5 基于HOS的滚动轴承故障诊断GUI工具包实现
5.5.1 MATLAB GUIDE简介
5.5.2 滚动轴承振动信号HOS分析工具包GUI结构
5.6 实验分析
5.6.1 实验平台简介
5.6.2 算法验证
5.7 本章小结
第六章 总结与展望
6.1 论文总结
6.2 主要改进工作
6.3 研究展望
致谢
参考文献
附录A 攻读硕士期间发表学术论文
本文编号：3676143
【文章页数】：101 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题的背景和意义
1.2 HOS理论国内外研究现状
1.2.1 HOS理论的发展
1.2.2 HOS理论国外研究和应用现状
1.2.3 HOS理论国内研究和应用现状
1.3 滚动轴承故障诊断研究现状
1.3.1 滚动轴承振动特征
1.3.2 轴承故障诊断技术的发展
1.3.3 基于现代信号处理方法的滚动轴承故障诊断
1.3.4 分类及优化算法在轴承故障诊断中的应用
1.4 本文内容
第二章 高阶统计量理论
2.1 序言
2.2 高阶统计量定义
2.2.1 特征函数与矩
2.2.2 累积量的矩表达
2.2.3 高阶谱
2.3 高阶统计量性质
2.3.1 高斯信号的高阶统计量
2.3.2 高阶累积量的性质
2.4 高阶谱估计方法
2.4.1 非参数双谱估计
2.4.2 参数法双谱估计
2.5 双谱物理意义
2.6 本章小结
第三章 基于双谱的信号重构方法研究
3.1 引言
3.2 基于双谱的信号相位重构算法研究
3.2.1 基于双谱的信号相位重构原理
3.2.2 BMU和Lii-Rosenblatt法相位重构算法
3.2.3 基于双谱的最小二乘相位重构算法
3.3 基于双谱的信号幅值重构算法研究
3.3.1 基于Bartelt算法的信号幅值重构
3.3.2 基于双谱的最小二乘法幅值重构算法
3.4 滚动轴承故障信号的双谱重构分析
3.5 本章小结
第四章 滚动轴承振动信号双谱分析方法
4.1 引言
4.2 滚动轴承振动信号双谱分析方法研究
4.3 滚动轴承振动信号11/2维谱分析
4.3.1 11/2维谱定义
4.3.2 滚动轴承振动信号双谱对角切片分析
4.3.3 滚动轴承振动信号双谱水平切片分析
4.3.4 滚动轴承振动信号积分双谱分析
4.4 滚动轴承振动信号Hilbert双谱分析
4.4.1 解调分析方法概述
4.4.2 Hilbert双谱分析方法
4.4.3 滚动轴承振动信号Hilbert双谱分析
4.5 滚动轴承振动信号高阶时频分析
4.5.1 高阶时频分布理论
4.5.2 仿真信号高阶时频分析
4.5.3 滚动轴承振动信号高阶时频分析
4.5.4 滚动轴承振动信号高阶时频切片分析
4.6 本章小结
第五章 基于双谱和支持向量机的轴承故障诊断
5.1 引言
5.2 基于双谱的滚动轴承特征提取研究
5.2.1 滚动轴承振动信号双谱峰值信息特征提取
5.2.2 滚动轴承振动信号双相干谱特征提取
5.2.3 滚动轴承振动信号ARMA模型参数特征提取
5.3 支持向量机理论
5.3.1 统计学习系理论简介
5.3.2 二分类支持向量机
5.3.3 多分类支持向量机
5.4 粒子群优化的支持向量机
5.4.1 优化问题的一般描述
5.4.2 群体智能优化算法
5.4.3 微粒群算法的社会行为分析
5.4.4 粒子群优化支持向量机
5.4.5 PSO-SVM应用于滚动轴承分类
5.5 基于HOS的滚动轴承故障诊断GUI工具包实现
5.5.1 MATLAB GUIDE简介
5.5.2 滚动轴承振动信号HOS分析工具包GUI结构
5.6 实验分析
5.6.1 实验平台简介
5.6.2 算法验证
5.7 本章小结
第六章 总结与展望
6.1 论文总结
6.2 主要改进工作
6.3 研究展望
致谢
参考文献
附录A 攻读硕士期间发表学术论文
本文编号：3676143
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3676143.html
