基于振动信号降噪与分解的轴承故障诊断研究

发布时间：2023-04-02 14:32

　　滚动轴承是现代工业常用的零件,在机械设备里基本都会存在。滚动轴承也很容易出现故障,其发生故障时,会使机械设备发出不同寻常的振动与噪音,甚至损坏机械设备,发生严重的事故。所以,对滚动轴承使用故障诊断技术可以避免损失,有很重要的意义。本文从理论上对滚动轴承的振动机理和常见的失效形式作了阐述,还列举一些常用的故障诊断方法与评价指标。通过研究国内外文献提出了基于奇异值分解降噪、局部特征尺度的分解、模糊熵和隐马尔科夫模型相结合的轴承故障诊断。首先,因为轴承故障振动信号里含有很多随机噪音,因此有必要对信号使用降噪处理。本文通过对奇异值分解理论进行研究,提出基于k-means聚类法确定奇异值分解降噪有效秩阶次的方法,通过奇异值分解去除信号里随机噪声,为后续故障诊断做出准备。其次,对于轴承故障非线性、非平稳和故障特征不易提取的情况,本文采用局部特征尺度分解的自适应方法。而对于该方法中的端点问题,介绍了极值延拓、多项式延拓等几种延拓方法的特点以及适用范围。再经过对基线信号构造的研究,改善了 LCD方法,提高了该方法分解的精度。再次,为了确认滚动轴承故障类型,就要求得它的故障特征参数与合适的训练学习模型。...

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 信号降噪研究现状
        1.2.2 故障特征提取研究现状
        1.2.3 模式识别研究现状
    1.3 主要研究内容及技术路线
        1.3.1 技术路线
        1.3.2 主要研究内容
2 滚动轴承振动机理及常用检测方法
    2.1 引言
    2.2 滚动轴承结构以及失效形式
    2.3 滚动轴承振动机理
        2.3.1 结构特点和加工装配误差引起的振动
        2.3.2 轴承运行故障引起的振动
    2.4 滚动轴承常见检测方法
    2.5 本章小结
3 奇异值分解降噪研究
    3.1 引言
    3.2 奇异值降噪方法
        3.2.1 SVD原理
        3.2.2 有效秩阶次的确定
        3.2.3 数据仿真
        3.2.4 实验数据
    3.3 SVD降噪与小波包降噪
    3.4 本章小结
4 局部特征尺度分解基本原理和方法研究
    4.1 引言
    4.2 局部特征尺度分解法原理
        4.2.1 内禀尺度分量定义
        4.2.2 LCD法的分解过程
    4.3 LCD与EMD之间比较研究
        4.3.1 LCD与EMD联系与区别
        4.3.2 仿真信号分析
    4.4 LCD问题和改进
        4.4.1 LCD端点效应
        4.4.2 LCD基线信号构造
        4.4.3 仿真信号分析
    4.5 本章小结
5 基于模糊熵的轴承故障特征提取和HMM的模式识别
    5.1 引言
    5.2 基于模糊熵的轴承故障特征提取
        5.2.1 熵的概念及其发展
        5.2.2 模糊熵
        5.2.3 模糊熵参数选择
    5.3 隐马尔科夫模型
        5.3.1 HMM的定义
        5.3.2 HMM算法
    5.4 本章小结
6 滚动轴承故障诊断试验与分析
    6.1 引言
    6.2 滚动轴承故障诊断试验器材
        6.2.1 GDS试验台的组成
        6.2.2 试验数据采集装置
    6.3 滚动轴承故障诊断试验方案
        6.3.1 施加载荷控制
        6.3.2 电机转速控制
        6.3.3 传感器位置布置
        6.3.4 试验中注意的问题
    6.4 实例分析和处理
        6.4.1 基于LCD模糊熵的轴承故障诊断的流程和参数设置
        6.4.2 滚动轴承故障信号的ISC及模糊熵
        6.4.3 基于HMM的滚动轴承故障识别
    6.5 本章小结
7 总结与展望
    7.1 总结
    7.2 展望
致谢
参考文献
附录



本文编号：3779392