变转速条件下滚动轴承故障特征提取与诊断

发布时间：2017-07-13 10:23

  本文关键词：变转速条件下滚动轴承故障特征提取与诊断

  更多相关文章： 滚动轴承 故障特征提取与诊断 EMD降噪 主元分析 K-近邻分类

【摘要】：滚动轴承是旋转机械设备中一种通用且精密的机械零部件，也是最重要的故障源之一，研究滚动轴承故障诊断技术具有重要意义。本文主要针对变转速运行过程中的滚动轴承开展故障特征提取与诊断技术研究，主要研究内容如下： 1、振动信号采集与降噪处理。利用QPZZ-II旋转机械实验系统采集正常及故障（内圈、外圈、滚动体）轴承在变转速运转条件下的试验数据。结合EMD阈值降噪和EMD滤波提出一种新的基于3规则—相关系数—峭度准则的EMD降噪方法，该方法可以有效地降低振动信号中的噪声干扰。 2、故障特征提取与状态监测。针对变转速工况下滚动轴承状态监测和特征提取的问题，本文采用主元分析方法并提出了“全速度样本”的概念，以1024个点为一次样本分别计算信号的时域特征参数，组成PCA建模样本。通过T2和SPE统计量及控制限准确检测出了轴承故障，并根据轴承数据在主元上的投影完成了故障特征的提取。 3、轴承故障模式识别与诊断。采用改进的K-近邻分类器对轴承特征进行分类，用马氏距离取代原KNN算法中的欧氏距离。通过实验验证，该方法可以排除变量之间相关性的干扰，对轴承故障进行准确分类，效果优于神经网络和支持向量机。 仿真和实验结果表明，，本文提出的“变转速条件下滚动轴承故障特征提取与诊断”研究达到了预期的目标。这种方法突破了传统故障诊断方法局限于平稳工况的瓶颈，将轴承故障诊断扩展到变速工况，具有较大的实际意义。
【关键词】：滚动轴承 故障特征提取与诊断 EMD降噪 主元分析 K-近邻分类
【学位授予单位】：沈阳航空航天大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH165.3;TH133.33
【目录】：

• 摘要6-7
• Abstract7-11
• 主要符号表11-12
• 第1章 绪论12-17
• 1.1 课题研究背景与意义12-13
• 1.2 滚动轴承故障诊断技术研究概述13-15
• 1.2.1 国内外研究现状13-14
• 1.2.2 现阶段研究中仍存在的主要问题14-15
• 1.3 本文主要研究内容与论文结构安排15-17
• 1.3.1 本文主要研究内容15
• 1.3.2 论文结构安排15-17
• 第2章 研究对象分析与振动信号采集17-23
• 2.1 研究对象分析17-20
• 2.1.1 滚动轴承的结构及振动机理17-18
• 2.1.2 滚动轴承的失效形式18-19
• 2.1.3 滚动轴承故障设置19-20
• 2.2 实验设计20-22
• 2.2.1 试验平台简介20
• 2.2.2 测试系统及测点布置20-21
• 2.2.3 实验数据采集21-22
• 2.3 本章小结22-23
• 第3章 基于 EMD 方法的轴承振动信号降噪23-36
• 3.1 EMD 基本理论23-27
• 3.1.1 本征模式函数23-24
• 3.1.2 EMD 筛选过程24-25
• 3.1.3 EMD 基本性质25-27
• 3.2 EMD 降噪27-31
• 3.2.1 基于阈值处理的 EMD 降噪方法27-29
• 3.2.2 基于滤波处理的 EMD 降噪方法29-30
• 3.2.3 降噪性能评估指标30-31
• 3.3 算法实现与实验分析31-35
• 3.3.1 算法实现步骤31
• 3.3.2 仿真信号的降噪处理31-34
• 3.3.3 实测滚动轴承振动信号的降噪34-35
• 3.4 本章小结35-36
• 第4章 基于主元分析的轴承故障检测与特征提取36-50
• 4.1 主元分析36-39
• 4.1.1 主元分析的基本原理36-37
• 4.1.2 主元的计算与选取37-38
• 4.1.3 统计量及故障检测模型38-39
• 4.2 建立 PCA 模型39-42
• 4.2.1 全速度振动信号的特征选择39-41
• 4.2.2 建立 PCA 故障检测模型41-42
• 4.3 滚动轴承故障检测与特征提取42-48
• 4.3.1 变转速振动信号的时域特征42-45
• 4.3.2 滚动轴承故障检测45-47
• 4.3.3 轴承故障特征提取47-48
• 4.4 本章小结48-50
• 第5章 基于改进 K-近邻的轴承故障模式识别与诊断50-59
• 5.1 K-近邻分类器50-53
• 5.1.1 最近邻决策规则50-52
• 5.1.2 K-近邻分类器52-53
• 5.2 K-近邻参数选择53-56
• 5.2.1 距离度量方法53-55
• 5.2.2 近邻参数55-56
• 5.3 轴承故障模式识别与诊断56-58
• 5.3.1 算法实现步骤56-57
• 5.3.2 轴承实验与结果分析57-58
• 5.4 本章小结58-59
• 结论59-61
• 附录Ⅰ轴承仿真信号降噪程序清单61-63
• 参考文献63-66
• 致谢66-67
• 攻读硕士期间发表（含录用）的学术论文67

【参考文献】

中国期刊全文数据库 前10条

1 程军圣,于德介,杨宇;基于EMD的信号瞬时特征的小波分析方法[J];地震工程与工程振动;2004年02期

2 何世彪,杨士中;3σ准则在小波消噪中的应用[J];重庆大学学报(自然科学版);2002年12期

3 陈勇,梁军,陆浩;基于PCA的多变量控制系统的故障监测与诊断[J];工程设计学报(机械·设备和仪器的开发技术);2002年05期

4 杨晓蔚;李红涛;;滚动轴承振动与噪声的相关性解析[J];轴承;2011年07期

5 张素莉;潘欣;;一种新颖的基于马氏距离的文本分类方法的研究[J];长春工程学院学报(自然科学版);2011年02期

6 毕明霞;黄汉明;边银菊;李锐;陈银燕;赵静;;天然地震与人工爆破波形信号HHT特征提取和SVM识别研究[J];地球物理学进展;2011年04期

7 李耀华;宋京伟;孙栋;;变速工况下滚动轴承外圈故障振动的模型与仿真[J];华东交通大学学报;2006年04期

8 王海清,宋执环,王慧;PCA过程监测方法的故障检测行为分析[J];化工学报;2002年03期

9 胡晓明;;数据融合和Manhattan距离在液压泵故障诊断中的应用[J];机床与液压;2009年10期

10 童先群;周忠眉;;基于属性值信息熵的KNN改进算法[J];计算机工程与应用;2010年03期

中国博士学位论文全文数据库 前2条

1 刘永斌;基于非线性信号分析的滚动轴承状态监测诊断研究[D];中国科学技术大学;2011年

2 从飞云;基于滑移向量序列奇异值分解的滚动轴承故障诊断研究[D];上海交通大学;2012年

本文编号：536495