基于经验小波变换的机车轴承故障特征提取方法研究

发布时间：2022-08-12 21:07

　　随着铁路的不断发展,机车的安全性能变得更加重要。轴承作为机车运行的关键部件,其健康状态将直接影响机车的运行。因此,研究机车轴承的故障诊断具有重要意义。为了能够有效地提取机车轴承的故障信息,本文研究了基于经验小波变换的轴承故障诊断方法。主要研究工作如下:研究了小波变换、小波包变换和经验模态分解（Empirical Mode Decomposition,EMD）方法,并通过数值实验对三种方法进行分析。小波变换和小波包变换过程中的频带划分均与信号本身无关,与信号的采样频率和分解层数有关。它们的分解结果与选取的小波函数有关,而小波函数的构造与信号本身无关。同时,它们的小波基函数需要先验假设,使得其缺乏自适应性。EMD方法是基于信号本身的时域特征来分解信号,并且不需要预先定义任何基本功能。该方法的基函数与频带划分完全是由信号本身的特征尺度决定的,其分解具有自适应性,但它缺乏完备的数学理论基础,同时还存在过度分解等缺陷。研究了基于经验小波变换（Empirical Wavelet Transform,EWT）的机车轴承故障诊断方法。通过信号的傅里叶频谱局部极大值对应的频率计算划分频带的边界,以此划分... 

【文章页数】：86 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 机车轴承故障诊断研究背景及意义
    1.2 机车轴承故障的研究现状
        1.2.1 机车轴承故障诊断研究现状
        1.2.2 经验小波变换的发展及研究现状
    1.3 论文研究内容及章节安排
第二章 小波变换与自适应分解
    2.1 引言
    2.2 小波变换
        2.2.1 连续小波变换
        2.2.2 离散小波变换
        2.2.3 多分辨分析
        2.2.4 小波变换的特性
        2.2.5 数值实验
    2.3 小波包分解
        2.3.1 小波包分解的原理
        2.3.2 小波包变换的特性
        2.3.3 数值实验
    2.4 自适应分解—经验模态分解
        2.4.1 EMD的基本原理
        2.4.2 EMD的特性
        2.4.3 数值实验
    2.5 经验小波变换
    2.6 本章小结
第三章 经验小波变换及其特性
    3.1 引言
    3.2 EWT的基本原理
    3.3 EWT的特性
    3.4 EWT的参数选取
        3.4.1 变换率γ的选取
        3.4.2 频带边界个数N的选取
    3.5 工程应用
        3.5.1数值实验
        3.5.2 基于EWT的滚珠轴承故障诊断
        3.5.3 EWT算法的不足
    3.6 本章小结
第四章 基于频谱包络的EWT改进算法
    4.1 引言
    4.2 基于频谱包络的EWT改进算法
        4.2.1 信号包络提取
        4.2.2 基于插值包络的EWT改进算法
        4.2.3 数值实验
    4.3 机车轴承故障
        4.3.1 滚柱轴承基本结构
        4.3.2 滚柱轴承故障
    4.4 工程应用
        4.4.1 无损伤
        4.4.2 外圈故障
        4.4.3 滚动体故障
    4.5 本章小结
第五章 基于时频峭度谱的EWT改进算法
    5.1 引言
    5.2 基于FSWT的时频峭度谱
        5.2.1 时频变换
        5.2.2 基于FSWT的时频峭度谱
    5.3 基于时频峭度谱的EWT改进算法
    5.4 数值实验
    5.5 工程应用
        5.5.1 无损伤
        5.5.2 外圈故障
        5.5.3 滚动体故障
    5.6 本章小结
第六章 结论与展望
    6.1 研究工作总结
    6.2 研究工作展望
参考文献
攻读学位期间取得的研究成果
致谢



本文编号：3676598