基于自适应振动信号处理的旋转机械故障诊断研究

发布时间：2016-09-06 06:53

  本文关键词：基于自适应振动信号处理的旋转机械故障诊断研究，由笔耕文化传播整理发布。

《西安电子科技大学》 2012年

基于自适应振动信号处理的旋转机械故障诊断研究

张超  

【摘要】：在旋转机械设备故障诊断研究中，故障特征提取和模式识别关系到故障诊断的可靠性和准确性，因此是旋转机械故障诊断研究中的关键问题。利用轴承和齿轮的振动信号对其工作状态进行监测和诊断是目前旋转机械故障监测和诊断研究中最常用的方法。本学位论文应用经验模态分解、总体平均经验模态分解和局部均值分解等信号处理方法进行故障特征提取，并应用支持向量机进行故障模式识别。其主要内容如下： 1、基于经验模态分解的轴承和齿轮故障诊断研究。 针对旋转机械设备的工作环境恶劣难以提取故障频率的实际情况，应用奇异值差分谱理论对经验模态分解得到的本征模式分量进行消噪，，更好地得到了轴承故障频率；通过计算经验模态分解所得到的本征模式分量的能量熵，在能量域角度找到了齿轮的故障特征，并进一步应用支持向量机对其进行模式识别，通过实例验证此方法的可行性；通过计算经验模态分解所得到的本征模式分量的奇异值熵，找到了齿轮的故障特征，并进一步应用支持向量机对其进行模式识别，通过实例验证此方法的有效性和在小样本情况下的可行性。 2、基于总体平均经验模态分解的齿轮故障诊断研究。 针对齿轮振动信号的非平稳特征和现实中难以获得大量典型故障样本的实际情况，提出了基于总体平均经验模态分解和支持向量机的齿轮故障诊断方法。首先通过总体平均经验模态分解方法将非平稳的原始加速度振动信号分解成若干个平稳的本征模式分量；齿轮发生不同的故障时，在不同频带内的信号能量值会发生改变，故可通过计算不同振动信号的能量熵判断是否发生故障；从包含有主要故障信息的本征模式分量中提取出来的能量特征作为输入建立支持向量机，判断齿轮的工作状态和故障类型。实验结果表明，文中提出的方法能有效地应用于齿轮的故障诊断。 提出了一种基于总体平均经验模态分解奇异值熵和支持向量机的齿轮故障诊断方法。首先通过总体平均经验模态分解方法将非平稳的原始加速度振动信号分解成若干个平稳的本征模式分量，将得到的若干个本征模式分量自动形成初始特征向量矩阵；然后对该矩阵进行奇异值分解，提取其奇异值作为故障特征向量，并对其进行归一化，求得奇异值熵，根据奇异值熵值大小可以判断齿轮的故障类型；将奇异值故障特征向量作为支持向量机的输入，判断齿轮的工作状态和故障类型。实验结果表明，即使在小样本情况下，基于奇异值分解和支持向量机的故障诊断方法仍能有效地识别齿轮的工作状态和故障类型。 3、基于局部均值分解的轴承和齿轮故障诊断研究。 首先对轴承的振动信号进行随机共振消噪，然后对降噪振动信号进行局部均值分解，成功地提取出了轴承故障特征；应用局部均值分解对齿轮振动信号进行分解得到若干个乘积分量，求取每一个乘积分量的近似熵，进而找到故障特征向量，最后应用支持向量机对其进行模式识别。通过一故障诊断实例对此方法的可行性和有效性进行了验证，并与神经网络在训练时间和分类准确性方面进行了对比；通过求取经过LMD分解所得乘积分量的Lempel-Ziv指标获得轴承故障特征向量，进行了有效准确的故障诊断。 4、基于极值域均值模态分解的滚动轴承和转子系统故障诊断。 针对滚动轴承损伤性故障的故障诊断问题，提出了基于极值域均值模态分解的故障诊断方法，进行了故障特征频率的提取。首先将原始信号分解成若干个本征模式分量，然后通过计算各个本征模式分量与原始信号的相关系数确定包含故障特征信息的主要成分，除去虚假分量。最后针对主要成分的本征模式分量进行Hilbert包络解调提取故障特征，即轴承的损伤性故障特征。通过工程实例信号的分析结果以及与经验模式分解方法的对比均表明，该方法能够较快地提取轴承的故障特征。 针对转子不平衡故障和滚动轴承微弱损伤性故障的复合故障诊断问题，提出了基于第二代小波和极值域均值模态分解的故障诊断方法，进行了复合故障的耦合特征分离和故障特征频率的提取。该方法首先应用第二代小波对原始信号进行分解与重构；然后针对分解与重构出的低频信号进行频谱分析提取低频非调制故障特征；最后针对高频共振调制信号进行解调分析，以准确提取调制故障特征。通过工程实例信号的分析结果表明，该方法能够提取转子系统的复合故障特征。 5、总结全文并提出了研究展望。

【关键词】：
【学位授予单位】：西安电子科技大学
【学位级别】：博士
【学位授予年份】：2012
【分类号】：TH165.3;TN911.7
【目录】：

下载全文 更多同类文献

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式

【参考文献】

中国期刊全文数据库 前10条

1 刘卫兵;李志农;蒋静;;基于局域均值分解的滚动轴承故障诊断方法[J];轴承;2009年09期

2 李楠;赵妍;李天云;王爱凤;;基于随机共振理论的异步电动机转子断条检测新方法[J];电工技术学报;2006年05期

3 祝志慧;孙云莲;;基于EMD近似熵和SVM的电力线路故障类型识别[J];电力自动化设备;2008年07期

4 施圣康;汽轮发电机组振动故障诊断技术的发展现状[J];动力工程;2001年04期

5 翟永杰,王东风,韩璞;基于多类支持向量机的汽轮发电机组故障诊断[J];动力工程;2003年05期

6 程道来,吴茜,吕庭彦,陈栋;国内电站故障诊断系统的现状及发展方向[J];动力工程;1999年01期

7 何学文;孙林;付静;;基于小波分析和支持向量机的旋转机械故障诊断方法[J];中国工程机械学报;2007年01期

8 杨伟东,李岭森,商同,李华;改进BP算法及其在滚动轴承故障诊断中的应用[J];河北工业大学学报;1998年04期

9 刘占生,刘成敏,刘树春,范显峰,唐炳照;小波分析和分形几何在转子动静碰摩故障诊断中的应用[J];哈尔滨工业大学学报;1999年01期

10 陈玉东,施颂椒,翁正新;动态系统的故障诊断方法综述[J];化工自动化及仪表;2001年03期

中国博士学位论文全文数据库 前10条

1 黄伟国;基于振动信号特征提取与表达的旋转机械状态监测与故障诊断研究[D];中国科学技术大学;2010年

2 盖强;局域波时频分析方法的理论研究与应用[D];大连理工大学;2001年

3 张君;小波分析技术在汽轮机故障诊断中的应用研究[D];华北电力大学（河北）;2005年

4 杨宇;基于EMD和支持向量机的旋转机械故障诊断方法研究[D];湖南大学;2005年

5 冷永刚;大信号变尺度随机共振的机理分析及其工程应用研究[D];天津大学;2004年

6 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

7 张立振;快速滤波本征模态信号分解及其在海洋数据分析中的应用[D];中国海洋大学;2006年

8 王胜春;自适应时频分析技术及其在故障诊断中的应用研究[D];山东大学;2007年

9 何清波;多元统计分析在设备状态监测诊断中的应用研究[D];中国科学技术大学;2007年

10 任达千;基于局域均值分解的旋转机械故障特征提取方法及系统研究[D];浙江大学;2008年

【共引文献】

中国期刊全文数据库 前10条

1 陶奇;廖海黎;李明水;刘明;;苏通长江公路大桥最大单悬臂施工状态结构模态参数识别[J];四川建筑科学研究;2009年05期

2 李晶;谷彩连;;小电流接地系统单相接地故障选线的算法研究[J];安徽电气工程职业技术学院学报;2008年01期

3 司圣柱;小波变换方法及其在化学中的应用[J];安徽教育学院学报;2004年03期

4 司圣柱;王丽平;董雄辎;;小波变换-主成分回归法在四组分食用色素同时测定中的应用研究[J];合肥师范学院学报;2009年06期

5 王丽平;司圣柱;董雄辎;;小波变换-偏最小二乘法用于多组分混合物光度法同时测定[J];合肥师范学院学报;2010年06期

6 水孝敏,许岚兵,曹辉;一种实现雷达回波图像的压缩方法[J];安徽电子信息职业技术学院学报;2004年Z1期

7 朱哲;钟伟红;;非平稳随机信号分析处理方法研究[J];安徽电子信息职业技术学院学报;2008年06期

8 付彪,吴先良,李世雄;小波变换法求电磁波动方程的高频解[J];安徽大学学报(自然科学版);1999年03期

9 高清维,程玉林,明军;信号子带分解和重构的小波滤波器系统及边界处理[J];安徽大学学报(自然科学版);1999年04期

10 陈东方;基于小波变换的Radon变换反演[J];安徽大学学报(自然科学版);2000年04期

中国重要会议论文全文数据库 前10条

1 朱海琴;刘铁岭;;频谱分析技术在齿轮箱上的成功应用[A];2011年河北省炼铁技术暨学术年会论文集[C];2011年

2 ;Rolling Bearing Fault Diagnosis Based on Wavelet Packet and RBF Neural Network[A];第二十六届中国控制会议论文集[C];2007年

3 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年

4 章大勇;吴文启;吴美平;;低成本MEMS-IMU/GPS组合导航的自适应滤波器设计[A];第二十七届中国控制会议论文集[C];2008年

5 谭琳;文成林;;一种基于多模式的故障检测方法[A];第二十七届中国控制会议论文集[C];2008年

6 慕香永;裴润;刘志林;王经甫;;基于小波分析的船舶舵机加载系统多余力研究[A];第二十七届中国控制会议论文集[C];2008年

7 李健宝;彭涛;;基于EMD与相关性分析的滚动轴承智能故障诊断[A];第二十九届中国控制会议论文集[C];2010年

8 滕伟;武鑫;高青风;柳亦兵;;风电齿轮箱振动信号的倒频谱分析[A];中国自动化学会控制理论专业委员会B卷[C];2011年

9 王志强;;离心压缩机动静碰摩的研究与分析[A];科学发展与社会责任（A卷）——第五届沈阳科学学术年会文集[C];2008年

10 史江萍;佟伟光;王大玲;;变压器故障诊断专家系统的设计[A];科学发展与社会责任（A卷）——第五届沈阳科学学术年会文集[C];2008年

中国博士学位论文全文数据库 前10条

1 范迪;沉渣厚度超声检测信号处理技术研究及应用[D];山东科技大学;2010年

2 魏海霞;爆破地震波作用下建筑结构的动力响应及安全判据研究[D];山东科技大学;2010年

3 殷复莲;同步CDMA系统NBI识别及抑制技术研究[D];哈尔滨工程大学;2010年

4 王婷;EMD算法研究及其在信号去噪中的应用[D];哈尔滨工程大学;2010年

5 吴冬梅;基于达芬振子的微弱信号检测方法研究[D];哈尔滨工程大学;2010年

6 夏全喜;车载组合导航系统关键技术研究[D];哈尔滨工程大学;2010年

7 李高云;大型船舶航向/航迹智能容错控制研究[D];哈尔滨工程大学;2010年

8 邓志鑫;基于因子图消息传递算法的伪码快速捕获方法[D];哈尔滨工程大学;2009年

9 李关防;模态域信号处理在水声中的应用[D];哈尔滨工程大学;2009年

10 朱广平;混响干扰中的信号检测技术研究[D];哈尔滨工程大学;2009年

中国硕士学位论文全文数据库 前10条

1 高昌鑫;Hilbert-Huang变换改进算法及其在齿轮箱故障诊断中的应用研究[D];河南理工大学;2010年

2 李锦;基于声波的运动车辆行驶状态辨识理论研究[D];南昌航空大学;2010年

3 黄正荣;基于振动波的高速公路车辆行驶状态辨识理论研究[D];南昌航空大学;2010年

4 张亮;基于小波变换与希尔伯特黄变换的心音信号分析[D];山东科技大学;2010年

5 杨焱麟;基于小波变换理论与比值分析法的变压器励磁涌流识别的研究[D];山东科技大学;2010年

6 张明军;基于小波包最优树的图像融合技术研究[D];山东科技大学;2010年

7 陈林;基于GIS的流域水文数据的时空分析[D];山东科技大学;2010年

8 张庆伟;基于小波变换的阈值图像去噪方法[D];山东科技大学;2010年

9 旺扎拉;特种车辆变速箱齿轮传动失效分析[D];长春理工大学;2010年

10 陈磊;激光测风雷达回波信号处理技术的研究[D];长春理工大学;2010年

【二级参考文献】

中国期刊全文数据库 前10条

1 刘崇春,裘正定,杜锡钰;小波变换理论及其在信号处理中的应用[J];北方交通大学学报;1997年01期

2 潘紫微，徐金梧;基于神经网络的自适应故障模式分类方法[J];北京科技大学学报;1995年03期

3 董志刚;;变压器的噪声(4)[J];变压器;1996年01期

4 王路阳;树脂绝缘干式变压器的噪声分析和降低方法[J];变压器;1999年08期

5 丁友源;树脂浇注干式变压器的噪声与降低措施[J];变压器;1999年10期

6 贺以燕;SFZ7-26MVA/132kV电力变压器的短路试验[J];变压器;1999年12期

7 陈奎;变压器短路试验方法及发展[J];变压器;2000年01期

8 蒋琨,温宇舟;变压器铁心多点接地故障与处理[J];变压器;2001年06期

9 顾晓安,沈荣瀛,徐基泰;国外变压器噪声研究的动向[J];变压器;2002年06期

10 董学广;电力变压器动稳定破坏的分析和对策[J];变压器;2002年12期

中国博士学位论文全文数据库 前10条

1 邹虹;多分量线性调频信号的时频分析[D];西安电子科技大学;2000年

2 盖强;局域波时频分析方法的理论研究与应用[D];大连理工大学;2001年

3 谭善文;多分辨希尔伯特—黄（Hilbert-Huang）变换方法的研究[D];重庆大学;2001年

4 王晓萍;基于现代非线性信息处理技术的气固流化床流型识别方法与实验研究[D];浙江大学;2004年

5 王凤利;基于局域波法的转子系统非线性动态特性及应用研究[D];大连理工大学;2003年

6 张郁山;希尔伯特—黄变换（HHT）与地震动时程的希尔伯特谱[D];中国地震局地球物理研究所;2003年

7 焦卫东;基于独立分量分析的旋转机械故障诊断方法研究[D];浙江大学;2003年

8 郝志华;基于局域波法和盲源分离的故障诊断方法应用研究[D];大连理工大学;2005年

9 李伟;基于免疫机理的可重构诊断系统研究[D];重庆大学;2005年

10 余红英;机械系统故障信号特征提取技术研究[D];中北大学;2005年

中国硕士学位论文全文数据库 前2条

1 刘军;故障诊断方法研究及软件开发[D];大连理工大学;2000年

2 何树波;基于隐Markov模型的旋转机械故障诊断系统的研究[D];浙江大学;2003年

【相似文献】

中国期刊全文数据库 前10条

1 吴洪兴;彭宇;彭喜元;;基于支持向量机多分类方法的模拟电路故障诊断研究[J];电子测量与仪器学报;2007年04期

2 张鸿雁;;基于改进支持向量机方法的汽轮机故障诊断研究[J];煤矿机械;2008年07期

3 吕建新;吴虎胜;吴庐山;朱玉荣;;基于EMD复杂度特征和SVM的轴承故障诊断研究[J];机械传动;2011年02期

4 何浩;胡小平;姜志杰;刘伟强;;支持向量机用于液体火箭发动机的故障诊断[J];火箭推进;2008年03期

5 田野;陆爽;;基于小波包和支持向量机的滚动轴承故障模式识别[J];机床与液压;2006年06期

6 来凌红;吴虎胜;吕建新;刘凤;朱玉荣;;基于EMD和样本熵的滚动轴承故障SVM识别[J];煤矿机械;2011年01期

7 黄亮;侯建军;刘颖;宋伟;李赵红;;基于相量分析与支持向量机的交流电路故障诊断[J];北京交通大学学报;2008年05期

8 陈晓平;和卫星;马东玲;赵德安;;基于符号熵与支持向量机的滚动轴承故障诊断[J];中国机械工程;2010年17期

9 柳新民;刘冠军;邱静;胡茑庆;;基于1-DISVM的聚类模型及直升机齿轮箱故障诊断应用[J];航空学报;2006年03期

10 江志钢;张春良;岳夏;;基于支持向量机的机床故障诊断研究[J];装备制造技术;2009年12期

中国重要会议论文全文数据库 前10条

1 冯辅周;郭恒毅;江鹏程;;支持向量机及其在电机故障诊断中的应用[A];第九届全国振动理论及应用学术会议论文集[C];2007年

2 袁昊程;钟秋海;戴亚平;;基于支持向量机的旋转机械故障诊断[A];2003中国控制与决策学术年会论文集[C];2003年

3 史丽萍;杨晓冬;匡杰;;基于支持向量机的水泵故障诊断[A];中国计量协会冶金分会2007年会论文集[C];2007年

4 冯辅周;郭恒毅;江鹏程;;支持向量机及其在电机故障诊断中的应用[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

5 许军;张耀辉;;信息融合算法在电气设备故障诊断中的应用[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

6 初燕;付忠广;戈志华;靳涛;卞双;;基于支持向量机的故障诊断方法探讨[A];中国动力工程学会第三届青年学术年会论文集[C];2005年

7 张军峰;胡寿松;;基于多重核学习支持向量机的歼击机故障诊断[A];第七届全国信息隐藏暨多媒体信息安全学术大会论文集[C];2007年

8 李烨;蔡云泽;许晓鸣;;基于支持向量机集成的故障诊断[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

9 杨明忠;樊建春;;磨损形态分析与智能化磨损状态识别研究[A];第六届全国摩擦学学术会议论文集（上册）[C];1997年

10 和卫星;陈晓平;陈季云;陆森林;;石油钻井传动滚动轴承的故障诊断[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅰ）[C];2008年

中国重要报纸全文数据库 前10条

1 黄安华;[N];中国汽车报;2002年

2 李萍;[N];世界金属导报;2007年

3 胡荣山 马巍;[N];中国船舶报;2007年

4 孙建阳　刘波;[N];中国渔业报;2008年

5 见习记者 仝亚娜;[N];机电商报;2005年

6 小田;[N];中国电脑教育报;2000年

7 陈全东;[N];中国包装报;2003年

8 龚献荣;[N];中国化工报;2005年

9 周传勇 杜慧;[N];世界金属导报;2008年

10 汤怀京;[N];中国计算机报;2004年

中国博士学位论文全文数据库 前10条

1 张超;基于自适应振动信号处理的旋转机械故障诊断研究[D];西安电子科技大学;2012年

2 赵冲冲;基于支持向量机的旋转机械故障诊断[D];西北工业大学;2003年

3 任东;基于支持向量机的植物病害识别研究[D];吉林大学;2007年

4 张永;基于模糊支持向量机的多类分类算法研究[D];大连理工大学;2008年

5 陈祖云;煤与瓦斯突出前兆的非线性预测及支持向量机识别研究[D];中国矿业大学;2009年

6 李锋;基于流形学习的风电机组传动系统故障诊断方法研究[D];重庆大学;2011年

7 宋其江;基于有向图模型的故障诊断方法研究及其在航天中的应用[D];哈尔滨工业大学;2010年

8 陈非;基于过程信息融合的旋转机械信息（火用）故障诊断研究[D];华中科技大学;2010年

9 冯志鹏;计算智能在机械设备故障诊断中的应用研究[D];大连理工大学;2003年

10 何小斌;基于统计学方法的自适应过程监控与故障诊断[D];上海交通大学;2009年

中国硕士学位论文全文数据库 前10条

1 曾嵘;支持向量机在设备故障诊断中的应用研究[D];中南大学;2005年

2 杨琦;支持向量机在液压系统故障诊断中的应用研究[D];大连海事大学;2005年

3 陈淼峰;基于EMD与支持向量机的转子故障诊断方法研究[D];湖南大学;2005年

4 潘庆丰;模糊模式识别技术研究及其在故障诊断中的应用[D];福州大学;2006年

5 初燕;支持向量机及其在热能工程领域中的应用[D];华北电力大学（北京）;2006年

6 曾建武;粗糙集理论及故障诊断应用研究[D];浙江大学;2006年

7 郑媛媛;凸壳理论在支持向量分类机中的应用[D];东北电力大学;2009年

8 毛继珮;基于模式识别的汽轮发电机组故障诊断系统[D];华北电力大学（河北）;2004年

9 肖圣光;基于虚拟仪器的轴心轨迹分析仪的研制[D];重庆大学;2009年

10 程晓盛;基于Agent和支持向量机的远程智能诊断技术研究[D];燕山大学;2006年

  本文关键词：基于自适应振动信号处理的旋转机械故障诊断研究，由笔耕文化传播整理发布。

本文编号：110165