自动倾斜器滚动轴承故障诊断系统设计
发布时间:2017-09-10 23:18
本文关键词:自动倾斜器滚动轴承故障诊断系统设计
更多相关文章: 自动倾斜器 LMD ICA 特征向量 SVM
【摘要】:直升机在民用和国防领域有非常重要的作用,自动倾斜器滚动轴承是直升机的重要部件之一,其健康状态直接影响到直升机的安全。因此,对直升机自动倾斜器滚动轴承进行故障诊断研究具有重要的意义。本课题受某航空单位的委托,开发了基于振动信号分析的自动倾斜器滚动轴承故障诊断系统,并研究了故障诊断方法。本文主要研究内容和成果如下:(1)开发了自动倾斜器滚动轴承故障诊断系统。首先,根据委托单位的用户需求,从系统需求、功能需求和技术指标需求进行了用户需求分析;其次,在需求分析的基础上,完成了系统的概要设计,主要包括系统总体设计、接口设计和界面设计;最后,利用Matlab和VC++混合编程,在软件详细设计的基础上实现了软件的所有功能模块,并完成功能模块和系统的联调。系统主要包括预处理、特征提取和故障诊断等功能模块。该软件系统预处理模块主要有时域平均、小波包滤波和形态学滤波等降噪方法;特征提取模块主要有时域特征、频域特征、LMD特征和EMD特征等特征值类型;故障诊断模块主要有BP神经网络、RBF神经网络和SVM支持向量机等分类方法。软件系统具有灵活、开放、智能化特点,能满足委托方对软件系统提出的功能和性能需求。(2)研究了自动倾斜器滚动轴承故障诊断方法。针对局部均值分解(Local Mean Decomposition,LMD)在提取故障特征时易受到噪声干扰的问题,提出了一种基于局部均值分解和独立分量分析(Independent Component Analysis,ICA)的滚动轴承故障诊断方法。该方法首先采用LMD方法提取信号PF分量;其次,对PF分量进行ICA盲源分离,得到PF分量的估计信号,有效去除了分量中的噪声成分;然后,提取估计信号的互信息、相关系数和近似熵作为特征向量;最后,采用SVM对特征向量进行故障分类,通过特征提取和故障诊断实验,结果表明LMD-ICA方法的故障识别率明显高于传统LMD方法。
【关键词】:自动倾斜器 LMD ICA 特征向量 SVM
【学位授予单位】:南昌航空大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TH17
,
本文编号:827231
本文链接:https://www.wllwen.com/jixiegongchenglunwen/827231.html