小波分析在电机故障信号预处理中的应用研究

发布时间：2017-05-12 08:24

  本文关键词：小波分析在电机故障信号预处理中的应用研究，由笔耕文化传播整理发布。

【摘要】：滚动轴承广泛应用于工业生产设备中,是大型旋转机械设备必不可缺的重要部件,其运行状态直接关系着整个生产系统是否能够安全稳定的运行。为了避免事故的发生和经济损失,为此对滚动轴承进行状态监测和故障诊断具有极其重要的意义。滚动轴承的信号预处理(降噪)是故障特征提取算法的前一步,也是直接影响故障诊断结果准确性的关键环节。本文对小波阈值去噪算法中阈值和阈值函数选取算法进行了改进和优化,并将改进的算法应用于电机故障振动信号处理过程中,使其达到提高轴承去噪效果、更容易识别故障原因和类型的目的。针对采集的电机振动信号中夹杂着噪声干扰的问题,提出一种基于贝叶斯估计小波收缩新阈值的电机振动信号降噪方法和自适应小波阈值降噪方法,新阈值的选取考虑了振动信号经小波变换后在不同尺度上的去噪特性,更符合噪声在各层中的分布情况;改进阈值函数对振动信号进行降噪处理,较好地弥补了传统阈值函数的缺陷,保证了阈值函数的连续性,并且可以灵活调节阈值以适应不同噪声情况,同时解决了传统阈值函数带来的偏差问题,更好地保护了含噪信号的有用信息。通过对模拟含噪信号和实采的电机振动信号的降噪处理,然后以互相关系数和峭度准则提取经EMD分解降噪信号的分量,突出高频共振部分,避免了IMF分量选择的盲目性。实验结果表明该方法能有效降低含噪信号的噪声干扰,并且可以准确地监测出设备故障类型。本文利用MATLAB软件对实验数据进行实验仿真,实验结果表明:轴承故障振动信号经过改进小波阈值降噪结合EMD分解,利用峭度值与互相关系数准则的筛选故障特征明显的IMF分量,对该IMF分量进行包络谱分析可以在其包谱中明显的发现故障特征频率,进而判断滚动轴承发生故障类型。
【关键词】：故障诊断 小波分析 阈值 经验模态分解 滚动轴承 振动分析
【学位授予单位】：辽宁科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM307.1
【目录】：

• 中文摘要5-6
• ABSTRACT6-10
• 1.绪论10-18
• 1.1 选题背景及意义10-11
• 1.2 国内外研究现状11-14
• 1.3 研究概述14
• 1.4 电机故障诊断流程14-15
• 1.5 电机故障诊断常用研究方法15-16
• 1.6 电机故障诊断技术的发展变化趋势16-17
• 1.7 内容安排17-18
• 2.滚动轴承振动原理与故障成因分析18-24
• 2.1 滚动轴承的故障类型及成因19-20
• 2.2 滚动轴承振动故障频率计算20-21
• 2.3 滚动轴承的固有频率21-22
• 2.4 实验所使用的故障数据的描述22-23
• 2.5 本章总结23-24
• 3.小波变换与经验模态分解分解的理论基础24-36
• 3.1 傅里叶变换24
• 3.2 小波分析24-33
• 3.2.1 连续小波变换25-26
• 3.2.2 离散小波变换26
• 3.2.3 多分辨率分析及Mallat算法26-28
• 3.2.4 常用小波函数简介28-32
• 3.2.5 基于小波变换的阈值降噪法32-33
• 3.3 本征模态函数33
• 3.4 EMD算法的基本原理33-35
• 3.4.1 EMD算法的分解步骤34-35
• 3.5 本章总结35-36
• 4.改进小波阈值与阈值函数降噪算法研究36-52
• 4.1 引言36
• 4.2 小波阈值降噪36-37
• 4.2.1 小波阈值降噪的步骤36-37
• 4.3 传统阈值降噪方法37-39
• 4.3.1 阈值的选取37-38
• 4.3.2 阈值函数的选取38-39
• 4.4 传统小波阈值降噪方法的缺陷分析39
• 4.5 改进阈值算法39-42
• 4.5.1 贝叶斯阈值39-41
• 4.5.2 自适应阈值选取方法一41-42
• 4.5.3 自适应阈值选取方法二42
• 4.6 改进阈值函数42-44
• 4.7 改进阈值函数可行性分析44-45
• 4.8 算法验证45-51
• 4.8.1 改进阈值选取算法验证45-49
• 4.8.2 改进阈值函数算法验证49-51
• 4.9 本章总结51-52
• 5.改进算法与EMD结合电机故障诊断方法52-61
• 5.1 EMD52
• 5.2 小波阈值与EMD对设备的故障诊断流程52-53
• 5.3 算法验证53-56
• 5.3.1 仿真及结果分析53-56
• 5.4 实验数据来源56
• 5.5 诊断步骤设计及实验数据验证56
• 5.6 改进算法在振动信号降噪中的应用56-60
• 5.7 本章总结60-61
• 6.总结与展望61-63
• 6.1 全文工作总结61
• 6.2 未来工作展望61-63
• 参考文献63-66
• 攻读硕士学位期间发表学术论文情况66-67
• 致谢67-68
• 作者简介68-69

【相似文献】

中国期刊全文数据库 前10条

1 岳建英;电机故障浅析[J];机械工程与自动化;2005年03期

2 宋晓燕;卞和营;张晓鹏;;两例矿用电机故障原因分析[J];机电一体化;2008年07期

3 乔维德;;一种电机故障的智能诊断方法研究[J];安徽电气工程职业技术学院学报;2009年01期

4 马树焕;;煤矿用电机常见故障的调查与分析[J];煤矿机械;2009年07期

5 乔维德;;一种电机故障的智能诊断方法研究[J];电气传动自动化;2010年01期

6 周红建;;浅析电机故障的诊断技术[J];信息系统工程;2012年07期

7 韩相金;通用电机故障的分析与检测方法[J];设备管理&维修;1999年08期

8 于丽萍;从绕组烧损症状判断电机故障[J];农村电工;2001年04期

9 徐季红;;电动自行车电机故障的检修[J];电动自行车;2005年09期

10 蹇国;;电机故障的诊断方法[J];工程机械与维修;2008年08期

中国重要会议论文全文数据库 前2条

1 何干明;;容易忽视的电机故障[A];2013年电力系统自动化专委会年会论文[C];2013年

2 贾奇;;十立方电铲600kW发电机大修工艺[A];全国工矿企业电力安全与节能技术优秀论文集[C];2005年

中国重要报纸全文数据库 前3条

1 ;听声音判断农用电机故障[N];山西科技报;2010年

2 浙江 张培君;车用启动电机故障的速查[N];电子报;2009年

3 辽宁 薛志成;洗衣机脱水电机故障排除一例[N];电子报;2006年

中国博士学位论文全文数据库 前1条

1 勾轶;基于免疫算法和多传感器信息融合的电机故障综合诊断方法研究[D];沈阳工业大学;2010年

中国硕士学位论文全文数据库 前10条

1 张凯;小波分析在电机故障信号预处理中的应用研究[D];辽宁科技大学;2016年

2 王巍;信息融合技术在电动机故障诊断中的应用[D];大庆石油学院;2009年

3 肖琳君;电机故障振声诊断系统的研究[D];广东工业大学;2007年

4 刘炜根;电机故障在线诊断系统的研究与实现[D];长春工业大学;2011年

5 刘蕾蕾;基于小波分析的电机故障信号诊断研究[D];哈尔滨理工大学;2007年

6 袁禹;基于以太网的电机故障远程监测实验平台的开发[D];中南大学;2008年

7 王歆峪;基于神经网络的电机故障诊断[D];上海交通大学;2013年

8 刘靖;基于USB与无线技术的电机故障数据传输应用研究[D];天津理工大学;2007年

9 孙斐;基于两相电流互高阶累积量的电机故障特征检测方法研究[D];大连海事大学;2011年

10 林波;异步电动机转子故障诊断方法的研究[D];太原理工大学;2008年

  本文关键词：小波分析在电机故障信号预处理中的应用研究，由笔耕文化传播整理发布。

，

本文编号：359296