基于经验模态分解的轴承故障诊断系统研究

发布时间：2017-08-24 01:39

  本文关键词：基于经验模态分解的轴承故障诊断系统研究

  更多相关文章： 经验模态分解 思维进化算法 信号去噪 特征提取 轴承故障诊断

【摘要】：轴承是使用最广泛的机械零件之一,也是最易损伤的部件,因此对其进行故障诊断具有重要的意义。本文针对采集的滚动轴承振动信号进行处理,开发一个滚动轴承故障诊断平台。首先,需要对信号进行去噪处理。本文针对传统经验模态分解(EMD)算法直接舍弃高频IMF分量导致信号失真以及传统小波阈值直接取高频小波系数中值为噪声方差的算法缺陷,提出基于EMD的小波熵阈值去噪方法。该算法将EMD与小波熵结合,对目标信号EMD分解之后得到的IMF分量进行小波熵阈值去噪,利用小波熵能够有效地区分有效信号和噪声的优点,达到在更精细的尺度上去噪目的目的。其次,需要对去噪后的信号进行特征参数提取。在振动信号中,某些特征参数会随故障类型及故障程度发生变化,根据多尺度熵具有在多个尺度上对数据复杂度进行分析的优势、均偏值可以反应一组数据的总体趋势和信赖度的优点,本文提出基于EMD的多尺度熵均偏值特征提取方法。该方法将信号通过EMD分解为若干个IMF分量后,求解每一个IMF分量对应的多尺度熵均偏值,将它们作为信号的特征参数。再次,需要利用特征参数对振动信号进行故障模式分类。本文针对传统BP神经网络利用随机方式产生初始权值和初始阈值的方法,导致网络易陷入局部极小、网络收敛速度慢和结果不稳定等缺陷,以及思维进化算法以随机的方式产生种群,导致种群散布不均,从而使算法在数值优化部分发生收敛速度低下、易陷入局部最优等问题。提出以混沌函数替换思维进化算法原有的以随机方式产生初始种群的方法,将混沌思维进化算法用于对BP神经网络的初始权值和初始阈值进行优化。利用EMD多尺度熵均偏值作为特征参数作为网络输入进行分类测试,分类结果表明该方法在滚动轴承故障模式分类方面,具有一定的有效性。最后,本文开发了一个基于LabVIEW的滚动轴承故障诊断平台,可实现对滚动轴承振动信号进行去噪、特征提取和故障模式分类三个功能。将该平台对QPZZ-II型试验平台采集的滚动轴承振动信号进行故障诊断,测试结果具有良好的效果。
【关键词】：经验模态分解 思维进化算法 信号去噪 特征提取 轴承故障诊断
【学位授予单位】：东北石油大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH133.3
【目录】：

• 摘要4-5
• ABSTRACT5-7
• 创新点摘要7-11
• 第一章 绪论11-16
• 1.1 课题研究的背景和意义11
• 1.2 滚动轴承故障诊断的发展现状11-13
• 1.2.1 旋转机械振动信号去噪的研究现状12
• 1.2.2 故障诊断特征提取的研究现状12
• 1.2.3 故障模式识别的研究现状12-13
• 1.3 滚动轴承失效形式13-14
• 1.3.1 滚动轴承的基本结构13
• 1.3.2 滚动轴承的失效形式13-14
• 1.4 旋转机械故障模拟试验平台QPPZ-II14-15
• 1.5 本文研究内容及章节安排15-16
• 第二章 基于经验模态分解的小波熵阈值去噪16-23
• 2.1 EMD基本原理16-17
• 2.1.1 EMD分解与重构16-17
• 2.1.2 EMD阈值去噪算法17
• 2.2 基于EMD的小波熵阈值去噪方法17-19
• 2.2.1 改进的基本思想17-18
• 2.2.2 小波熵的计算方法18
• 2.2.3 阈值的计算18-19
• 2.2.4 阈值函数的选取19
• 2.3 基于EMD的小波熵阈值去噪算法步骤19
• 2.4 仿真与实验19-22
• 2.4.1 仿真信号去噪效果对比19-21
• 2.4.2 滚动轴承信号去噪21-22
• 2.5 本章小结22-23
• 第三章 基于EMD多尺度熵均偏值的滚动轴承特征提取23-31
• 3.1 样本熵的定义及算法23-24
• 3.1.1 样本熵23
• 3.1.2 参数选择23-24
• 3.2 多尺度熵及多尺度熵均偏值的定义及算法24-25
• 3.2.1 多尺度熵24-25
• 3.2.2 多尺度熵均偏值算法描述25
• 3.3 基于EMD多尺度熵均偏值的滚动轴承特征提取步骤25-26
• 3.4 实际轴承信号的特征提取研究26-27
• 3.5 基于BP神经网络的实验效果验证27-30
• 3.5.1 BP网络结构27-28
• 3.5.2 BP神经网络故障诊断模型建立28-29
• 3.5.3 实际信号的时域特征参数值在BP神经网络的分类验证29-30
• 3.5.4 实际信号的PMME值在BP神经网络的分类验证30
• 3.6 本章小结30-31
• 第四章 混沌思维进化算法优化BP神经网络的故障诊断分类31-44
• 4.1 BP网络训练过程31-32
• 4.2 思维进化算法32-35
• 4.2.1 思维进化算法的基本原理33-34
• 4.2.2 混沌思维进化算法34-35
• 4.2.3 混沌思维进化算法流程35
• 4.3 混沌思维进化算法的BP神经网络参数优化35-37
• 4.3.1 混沌思维进化算法35-36
• 4.3.2 改进思维进化算法对BP神经网络的参数优化36-37
• 4.4 算法性能测试实验37-41
• 4.4.1 测试函数的选择37-39
• 4.4.2 测试结果分析39-41
• 4.5 基于混沌思维进化算法的BP神经网络故障诊断41-43
• 4.6 本章小结43-44
• 第五章 滚动轴承故障诊断系统设计与开发44-51
• 5.1 开发平台软件简介44
• 5.2 系统总体方案设计44-45
• 5.3 故障诊断系统各模块研制45-50
• 5.3.1 欢迎界面的设计45-46
• 5.3.2 采集信号的回放模块设计46
• 5.3.3 时域特征参数提取模块的设计46-47
• 5.3.4 频域特征分析模块的设计47-48
• 5.3.5 EMD小波熵阈值去噪模块的设计48-49
• 5.3.6 基于Hilbert的共振解调特征分析模块的设计49
• 5.3.7 EMD多尺度熵均偏值特征提取模块的设计49-50
• 5.3.8 混沌思维进化算法优化BP神经网络故障分类模块的设计50
• 5.4 本章小结50-51
• 结论51-52
• 参考文献52-55
• 发表文章目录55-56
• 致谢56-57

【相似文献】

中国期刊全文数据库 前10条

1 宋立新;王祁;王玉静;梁X;;具有间断事件检测和分离的经验模态分解方法[J];哈尔滨工程大学学报;2007年02期

2 刘小峰;秦树人;柏林;;基于小波包的经验模态分解法的研究及应用[J];中国机械工程;2007年10期

3 杨智春;谭光辉;;一种基于样条插值的经验模态分解改进算法[J];西北工业大学学报;2007年05期

4 张西良;万学功;李萍萍;张建;徐云峰;;动态称量经验模态分解数据处理方法[J];江苏大学学报(自然科学版);2008年06期

5 周志峰;蔡萍;;基于经验模态分解的汽车轴重估计(英文)[J];Journal of Shanghai University(English Edition);2008年01期

6 李洪;郝豪豪;孙云莲;;具有独立分量的经验模态分解算法研究[J];哈尔滨工业大学学报;2009年07期

7 林玉荣;王强;;基于一维经验模态分解的图像细节提取方法[J];吉林大学学报(工学版);2011年06期

8 卢珍;;关于经验模态分解与整体经验模态分解的分离效果差别的探讨[J];科学技术与工程;2011年33期

9 钟佑明;赵强;周建庭;;实时经验模态分解的实现方法[J];振动.测试与诊断;2012年01期

10 刘海波;赵宇凌;;集合经验模态分解的稳健滤波方法研究[J];振动与冲击;2013年08期

中国重要会议论文全文数据库 前10条

1 秦毅;秦树人;毛永芳;;正交经验模态分解及其快速实现[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

2 秦毅;秦树人;毛永芳;;正交经验模态分解及其快速实现[A];第九届全国振动理论及应用学术会议论文集[C];2007年

3 杨永锋;;经验模态分解与非线性分析的协同研究[A];第四届全国动力学与控制青年学者研讨会论文摘要集[C];2010年

4 侯文文;邹俊忠;刘未来;;基于经验模态分解的眼电伪差去除研究[A];上海市化学化工学会2010年度学术年会论文集（自动化专题）[C];2010年

5 李关防;许春雷;惠俊英;;基于经验模态分解的特征提取算法研究[A];中国造船工程学会电子技术学术委员会2011年海战场电子信息技术学术年会论文集[C];2011年

6 薛志宏;李广云;周蓉;;一种基于经验模态分解的信号降噪方法[A];全国工程测量2012技术研讨交流会论文集[C];2012年

7 张飞涟;刘严萍;;经验模态分解与神经网络方法在降水预测领域的应用研究[A];中国系统工程学会第十八届学术年会论文集——A01系统工程[C];2014年

8 康春玉;章新华;;一种基于经验模态分解的信号降噪方法[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

9 辛鹏;辛雷;蔡国伟;李晓琦;;一种基于经验模态分解与支持向量机的电力系统短期负荷预测新方法[A];第十一届全国电工数学学术年会论文集[C];2007年

10 郝文峰;骆英;顾建祖;;基于经验模态分解-支持向量机的玻璃幕墙开胶损伤预测研究[A];中国力学学会学术大会'2009论文摘要集[C];2009年

中国博士学位论文全文数据库 前10条

1 黎恒;经验模态分解中关键问题的优化理论与方法研究[D];西安电子科技大学;2016年

2 葛光涛;二维经验模态分解研究及其在图像处理中的应用[D];哈尔滨工程大学;2009年

3 孙晖;经验模态分解理论与应用研究[D];浙江大学;2005年

4 张继红;经验模态分解及径向基函数的一些应用研究[D];大连理工大学;2012年

5 熊卫华;经验模态分解方法及其在变压器状态监测中的应用研究[D];浙江大学;2006年

6 杨贤昭;基于经验模态分解的故障诊断方法研究[D];武汉科技大学;2012年

7 高静;经验模态分解的改进方法及应用研究[D];北京理工大学;2014年

8 陈志刚;经验模态分解与Savitzky-Golay方法的自适应遥感影像融合[D];华东师范大学;2010年

9 周义;快速二维经验模态分解和相位追踪方法及其在导波无损检测中的应用[D];上海交通大学;2014年

10 石志晓;时频联合分析方法在参数识别中的应用[D];大连理工大学;2005年

中国硕士学位论文全文数据库 前10条

1 史玉君;基于经验模态分解的眼电伪迹去除方法的研究[D];兰州大学;2015年

2 梁江海;基于经验模态分解的通信信号细微特征分析[D];国防科学技术大学;2013年

3 赵强;基于EMD的齿轮故障诊断技术研究[D];东北石油大学;2015年

4 熊伟;试车台振动测试系统的关键技术研究[D];河南工业大学;2015年

5 陈凯;快速非平稳信号分析诊断与应用[D];上海交通大学;2015年

6 杨U唝~;基于经验模态分解的城市供水水质异常事件检测方法研究[D];浙江大学;2016年

7 郭学雯;利用经验模态分解方法研究新型热中子探测器数据周期性[D];河北师范大学;2016年

8 杨勤甜;基于经验模态分解和粗糙集属性约简的超声缺陷信号分类识别研究[D];南昌航空大学;2016年

9 李超;透平机组故障特征提取技术研究与系统开发[D];天津工业大学;2016年

10 卢丹丹;基于EEMD的CPI与PPI关系的结构分析及传导机制研究[D];暨南大学;2016年

，

本文编号：728487