基于有限元模拟与支持向量机的传动系统故障诊断研究

发布时间：2017-06-10 13:11

  本文关键词：基于有限元模拟与支持向量机的传动系统故障诊断研究，由笔耕文化传播整理发布。

【摘要】：在机械系统的各种设备中,传动系统是实现机械运动转化和功率传递的重要组成部分,一般是由转子或转轴、轴承等零件构成必要环节。然而,无论是实现运动转化还是功率的传递,轴、轴承都是传动系统最关键、最易出现故障的零件。此外,对传动系统关键部件的故障诊断,从研究对象的角度来讲具有广泛的代表性,所采用的诊断方法在机械故障诊断中具有一定的通用性。因此,开展对转子、轴承的故障诊断有着十分重要的意义。针对目前智能诊断方法缺少故障样本的问题,提出一种基于数值模拟与支持向量机的个性化故障诊断框架体系及其方法。具体运用转轴的不平衡、不对中及碰摩故障信号,轴承的内圈、外圈、滚动体等故障信号的数值模拟技术与结合支持向量机分类方法的小波包变换技术。首先,建立转子系统、滚动轴承的有限元模型,利用数值模拟软件为工具,综合考虑研究对象运行状态下转速、支撑轴承刚度、阻尼、不同摩擦系数、压力载荷及环境噪声等影响,获得所研究对象的不同类型故障样本信号;其次,利用小波包对振动信号进行分解获得不同的信号分量,将信号分量单支重构后再经过特定的时域参数计算,并将结果作为分类器的特征向量。最后,利用实测信号的小波包分解后参数计算的特征向量作为测试样本来训练支持向量机,从而完成转子系统及滚动轴承不同类型故障的识别。本文采用数值模拟与实验分析相结合的方式对所提出的基于有限元模拟与支持向量机的传动机械关键零件个性化故障诊断的方法进行研究。最终仿真结果及实验数据在一定程度上表明文中提出故障诊断方法的合理性,同时也间接说明该方法有被用于实际工程中的可能性。
【关键词】：个性化诊断 转子系统 滚动轴承 数值模拟 小波包变换 支持向量机
【学位授予单位】：温州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH132
【目录】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 绪论10-14
• 1.1 课题的研究背景及意义10
• 1.2 故障诊断的发展及现状10-12
• 1.3 故障诊断技术的发展趋势12-13
• 1.4 课题的研究来源及本文研究的主要内容及工作13-14
• 第二章 故障信号特征提取及支持向量机基础14-22
• 2.1 概述14
• 2.2 信号的时域分析14-15
• 2.2.1 概率分析14-15
• 2.2.2 动态指标15
• 2.3 信号的频域分析15-16
• 2.4 小波变换16
• 2.4.1 连续小波变换16
• 2.4.2 离散小波变换16
• 2.5 小波包变换16-17
• 2.6 支持向量机的基本理论17-21
• 2.6.1 支持向量机的基本思想18
• 2.6.2 最优分类面18-19
• 2.6.3 广义最优分类面19-20
• 2.6.4 核函数20-21
• 2.7 本章小结21-22
• 第三章 转子系统的个性化诊断研究22-40
• 3.1 引言22
• 3.2 转子系统不同类型故障的个性化诊断22-32
• 3.2.1 转子系统的数值及机理分析23-27
• 3.2.1.1 不平衡与不对中故障24-26
• 3.2.1.2 转静碰摩与综合故障26-27
• 3.2.2 提取故障特征及完成故障识别27-32
• 3.3 转子系统不同类型故障的实验研究32-38
• 3.3.1 刚度及阻尼系数的确定32-34
• 3.3.2 获取不同故障测试样本，完成故障分类34-38
• 3.4 本章小结38-40
• 第四章 滚动轴承的个性化诊断研究40-58
• 4.1 滚动轴承的典型结构40-41
• 4.2 滚动轴承振动机理及振动类型41-42
• 4.3 滚动轴承的不同类型故障的个性化诊断42-51
• 4.3.1 滚动轴承故障的仿真43-45
• 4.3.2 提取故障特征及完成故障识别45-51
• 4.4 滚动轴承不同类型故障的实验研究51-57
• 4.4.1 滚动轴承内、外圈摩擦系数的确定51-52
• 4.4.2 获取不同故障测试样本，，完成故障分类52-57
• 4.5 本章小结57-58
• 第五章 总结与展望58-60
• 5.1 总结58
• 5.2 展望58-60
• 参考文献60-66
• 致谢66-68
• 攻读硕士学位期间所发表的学术论文68

【相似文献】

中国期刊全文数据库 前10条

1 葛海峰;林继鹏;刘君华;丁晖;;基于支持向量机和小波分解的气体识别研究[J];仪器仪表学报;2006年06期

2 琚旭;王浩;姚宏亮;;支持向量机的一个边界样本修剪方法[J];合肥工业大学学报(自然科学版);2006年07期

3 张菁华;袁鑫;刘达;;基于支持向量机的电力工程最优投标报价决策研究[J];山东电力高等专科学校学报;2006年04期

4 张涛;段淑敏;;支持向量机在中医疾病症候诊断中的应用[J];华北水利水电学院学报;2007年03期

5 王晶;靳其兵;曹柳林;;面向多输入输出系统的支持向量机回归[J];清华大学学报(自然科学版);2007年S2期

6 陈丹;;多类支持向量机算法的研究[J];东莞理工学院学报;2007年05期

7 程丽丽;张健沛;马骏;;一种改进的加权边界调节支持向量机算法[J];哈尔滨工程大学学报;2007年10期

8 宋召青;崔和;胡云安;;支持向量机理论的研究与进展[J];海军航空工程学院学报;2008年02期

9 郭濵;孙晓梅;薛明;;基于壳向量的边界邻近支持向量机[J];黑龙江交通科技;2008年12期

10 许超;运士伟;舒云星;;基于支持向量机的混凝土测强换算模型[J];洛阳理工学院学报(自然科学版);2008年02期

中国重要会议论文全文数据库 前10条

1 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届（2011）中国管理学年会——商务智能分会场论文集[C];2011年

2 刘希玉;徐志敏;段会川;;基于支持向量机的创新分类器[A];山东省计算机学会2005年信息技术与信息化研讨会论文集（一）[C];2005年

3 史晓涛;刘建丽;骆玉荣;;一种抗噪音的支持向量机学习方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（下册）[C];2008年

4 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年

5 刘骏;;基于支持向量机方法的衢州降雪模型[A];第五届长三角气象科技论坛论文集[C];2008年

6 王婷;胡秀珍;;基于组合向量的支持向量机方法预测膜蛋白类型[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年

7 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

8 周星宇;王思元;;智能数学与支持向量机[A];2005年中国智能自动化会议论文集[C];2005年

9 颜根廷;马广富;朱良宽;宋斌;;一种鲁棒支持向量机算法[A];2006中国控制与决策学术年会论文集[C];2006年

10 侯澍e

本文编号：438591