基于非线性分析的故障特征提取及识别方法研究

发布时间：2017-09-10 15:34

  本文关键词：基于非线性分析的故障特征提取及识别方法研究

  更多相关文章： 随机共振 混沌振子 局部保持投影 粒子群优化 故障诊断

【摘要】：为有效提取故障信号特征,实现设备故障诊断与识别,本论文以滚动轴承和齿轮为研究对象,开展了基于随机共振和混沌振子的非线性故障特征提取方法及基于改进局部保持投影的故障模式识别方法研究。具体内容如下：(1)研究了基于随机共振的非线性故障特征提取方法。针对随机共振方法只适合于处理低频率信号成分的问题,引入了移频变尺度随机共振,通过频率移动和尺度变换将特征频率成分转换为满足随机共振要求的低频率成分。针对随机共振的系统结构参数难以确定的问题,提出了基于粒子群优化的移频变尺度随机共振方法,将能量比设置为适应度函数,通过粒子群算法对随机共振的结构参数进行寻优,从而得到最优的随机共振输出信号。将所提出的方法应用于滚动轴承典型故障信号的特征提取,结果表明经该方法处理后信号的信噪比有了明显的提升。(2)研究了基于混沌振子的非线性故障信号检测方法。提出了一种混沌振子策动力临界值的确定方法,该方法首先计算出不同策动力下混沌振子输出相图中原点附近的相点的个数,然后找到相点个数的突变点,突变点处的策动力的值即为策动力的临界值,仿真信号验证了该方法的有效性。将基于该方法的混沌振子检测法应用于滚动轴承外圈、内圈和滚动体等典型故障信号检测,结果表明该方法能够有效地检测轴承故障信号。(3)研究了基于局部保持投影的故障模式识别方法。针对传统的局部保持投影没有有效利用样本类别信息而造成的聚类效果不佳的缺点,提出了一种基于类别信息的改进的局部保持投影算法,改善了聚类效果。基于改进的局部保持投影,提出了一种故障模式识别方法,选择时域参数和小波包能量参数作为信号的特征参数,然后利用改进的局部保持投影对高维特征参数进行降维,最后通过欧氏距离来判别信号的状态。将所提出的方法应用于滚动轴承和齿轮的故障模式识别,结果表明该方法能有效识别故障状态。
【关键词】：随机共振 混沌振子 局部保持投影 粒子群优化 故障诊断
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH17
【目录】：

• 摘要4-6
• ABSTRACT6-13
• 第一章 绪论13-21
• 1.1 课题研究背景及意义13-14
• 1.2 国内外研究现状14-18
• 1.2.1 非线性特征提取方法国内外研究现状14-16
• 1.2.2 故障识别方法国内外研究现状16-18
• 1.3 课题来源及主要研究内容18-19
• 1.4 论文结构安排19-21
• 第二章 基于随机共振的故障特征提取方法21-47
• 2.1 随机共振的基本原理及仿真21-24
• 2.2 移频变尺度随机共振的基本原理及仿真24-28
• 2.3 粒子群优化的移频变尺度随机共振28-31
• 2.3.1 粒子群算法29
• 2.3.2 基于粒子群优化的移频变尺度随机共振29-31
• 2.4 方法验证与分析31-45
• 2.4.1 实验条件31-33
• 2.4.2 验证结果及分析33-45
• 2.5 本章小结45-47
• 第三章 基于混沌振子的故障信号检测方法47-65
• 3.1 混沌振子的基本原理及仿真47-49
• 3.2 策动力临界值确定方法研究49-52
• 3.3 方法验证与分析52-64
• 3.3.1 实验条件52-54
• 3.3.2 验证结果及分析54-64
• 3.4 本章小结64-65
• 第四章 基于局部保持投影的故障识别方法65-85
• 4.1 局部保持投影的基本原理65-66
• 4.2 基于改进的局部保持投影的故障诊断模型66-70
• 4.2.1 改进的局部保持投影66-67
• 4.2.2 特征参数的选取67-69
• 4.2.3 基于改进的局部保持投影的故障诊断模型69-70
• 4.3 方法验证与分析70-83
• 4.3.1 滚动轴承信号验证70-79
• 4.3.2 齿轮信号验证79-83
• 4.4 本章小结83-85
• 第五章 结论与展望85-87
• 5.1 研究成果总结85-86
• 5.2 后续研究方向86-87
• 参考文献87-93
• 致谢93-95
• 研究成果及发表的学术论文95-97
• 作者和导师简介97-98
• 附件98-99

【相似文献】

中国期刊全文数据库 前10条

1 陈岳东，屈梁生;回转机械的故障特征提取与分类[J];机械工程学报;1994年S1期

2 高正明;何彬;赵娟;裴永泉;左广霞;;常用故障特征提取方法[J];机床与液压;2009年12期

3 李兆飞;柴毅;李华锋;;多重分形的振动信号故障特征提取方法[J];数据采集与处理;2013年01期

4 韩立静;徐金梧;阳建宏;黎敏;;基于灰度击中击不中变换的故障特征提取方法[J];北京科技大学学报;2012年07期

5 李辉,宋智勇,孙丰瑞;基于小波包-包络分析的故障特征提取方法[J];振动、测试与诊断;2003年04期

6 李学军;廖传军;褚福磊;;适于声发射信号故障特征提取的小波函数[J];机械工程学报;2008年03期

7 梅检民;肖云魁;贾继德;赵慧敏;陈祥龙;乔龙;;基于改进阶比的变速器微弱故障特征提取[J];振动工程学报;2012年03期

8 任立通;胡金海;谢寿生;王磊;苗卓广;;基于随机共振预处理的振动故障特征提取研究[J];振动与冲击;2014年02期

9 陈长征,罗跃纲,张省,虞和济;基于小波分析的机械故障特征提取研究[J];机械强度;2001年01期

10 郝志华;马孝江;;高阶非线性时频表示在故障特征提取中的应用[J];农业机械学报;2006年02期

中国重要会议论文全文数据库 前3条

1 赵志宏;杨绍普;;一种基于ICA的机械故障特征提取方法[A];机械动力学理论及其应用[C];2011年

2 潘宏侠;黄晋英;毛鸿伟;刘振旺;;基于粒子群优化的故障特征提取技术研究[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

3 朱启兵;杨慧中;;基于卷积型小波包奇异值分解的齿轮故障特征提取[A];第二十七届中国控制会议论文集[C];2008年

中国博士学位论文全文数据库 前10条

1 蒋超;基于EEMD与MED的冲击信号自适应故障特征提取方法[D];上海大学;2016年

2 程发斌;面向机械故障特征提取的混合时频分析方法研究[D];重庆大学;2007年

3 冯坤;基于内积变换的机械故障特征提取原理与早期识别方法研究[D];北京化工大学;2012年

4 李加庆;基于声全息的故障特征提取技术研究[D];上海交通大学;2008年

5 赵玲;旋转机械系统故障特征提取中的分形方法研究[D];重庆大学;2010年

6 陈建国;基于独立分量分析的机械故障特征提取及分类方法研究[D];大连理工大学;2011年

7 李兆飞;振动故障分形特征提取及诊断方法研究[D];重庆大学;2013年

8 鞠萍华;旋转机械早期故障特征提取的时频分析方法研究[D];重庆大学;2010年

9 赵志宏;基于振动信号的机械故障特征提取与诊断研究[D];北京交通大学;2012年

10 赵鹏;离心泵振动故障诊断方法研究及系统实现[D];华北电力大学（北京）;2011年

中国硕士学位论文全文数据库 前10条

1 薄瑞瑞;基于LMD的振动信号处理及故障特征提取研究[D];内蒙古大学;2015年

2 凡非龙;旋转机械故障诊断与现场动平衡系统研发[D];浙江大学;2015年

3 屈红伟;基于LMD的故障特征提取方法及动平衡技术研究[D];北京化工大学;2015年

4 李岭阳;基于非线性分析的故障特征提取及识别方法研究[D];北京化工大学;2016年

5 沈金理;机械装备连接松动故障特征提取方法的研究[D];东华大学;2013年

6 李敏;基于谱融合的管道故障特征提取方法研究[D];北京化工大学;2011年

7 易雄;基于小波分析的机械故障特征提取与诊断技术研究[D];浙江工业大学;2009年

8 钟晓平;气象卫星运动部件故障特征提取及振动特性研究[D];上海交通大学;2009年

9 宋震;柴油机典型故障特征提取与诊断研究[D];天津大学;2013年

10 王泽栋;钻井泵阀的故障特征提取与基于GSM的远程故障报警仪[D];北京化工大学;2008年

，

本文编号：825103