基于MMW和HHT的滚动轴承故障诊断

发布时间：2017-03-27 17:06

  本文关键词：基于MMW和HHT的滚动轴承故障诊断，由笔耕文化传播整理发布。

【摘要】：滚动轴承是旋转机械中最常见的零部件，它的运行状态直接影响到整台机器的性能。滚动轴承的损伤类故障会造成轴承失效，对轴承系统造成重大危害，因此，对其进行状态检测和故障诊断具有很重要的现实意义。 滚动轴承的振动信号通常含有较多的噪声以及冲击成分，为了使故障诊断更为精确，在分析之前先要对振动信号进行去噪处理。传统的分析方法如傅里叶分析只适用于平稳信号的分析。形态中值小波兼顾了数学形态学和小波的优良特性，能在去噪的同时，更好的保持细节，适用于非平稳信号的分析。 结合滚动轴承故障诊断的实际需求，在总结传统轴承故障诊断方法的基础上，本文将形态中值小波法与Hilbert-Huang变换（HHT）方法相结合，形成一种新的滚动轴承故障诊断方法。 本文以形态中值小波和Hilbert-Huang变换（HHT）为理论基础，围绕着形态中值小波理论、信号去噪、Hilbert-Huang变换（HHT）理论、故障特征提取、模式识别方法这几个主题展开，采用理论研究与仿真验证相结合的研究路线。首先，用形态中值小波对信号进行预处理，并且在进行该实验的同时，还将数学形态学去噪与小波分解去噪一并进行仿真实验，旨在对比说明选择形态中值小波去噪的优势；然后，利用Hilbert-Huang变换（HHT）方法对滚动轴承振动信号进行特征提取，先对滚动轴承的四种状态（即：正常轴承、内圈故障、外圈故障和滚动体故障）信号作EMD分解并提取特征向量，然后选取EMD分解后的前6个IMF分量构造特征向量，并全部进行归一化处理；最后，利用支持向量机（LS-SVM）方法对之前实验所得到的数据样本进行分类，最后得出对滚动轴承故障的判别分类结果。
【关键词】：滚动轴承 故障诊断 形态中值小波 Hilbert-Huang变换 最小二乘支持向量机
【学位授予单位】：沈阳大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH133.33;TH165.3
【目录】：

• 摘要5-6
• Abstract6-10
• 1 绪论10-18
• 1.1 课题研究背景及意义10-11
• 1.2 滚动轴承故障诊断技术的研究现状及发展趋势11-17
• 1.2.1 研究现状11
• 1.2.2 发展趋势11-16
• 1.2.3 局限性和急待解决的问题16-17
• 1.3 本论文的结构和主要工作17-18
• 2 滚动轴承的故障机理与特征分析18-24
• 2.1 滚动轴承的故障产生机理18-21
• 2.2 滚动轴承的失效形式21-22
• 2.3 滚动轴承的特征频率22-24
• 3 滚动轴承信号去噪处理方法24-37
• 3.1 滚动轴承的信号数据采集24-27
• 3.2 数学形态学基本原理27-29
• 3.3 形态小波变换理论29-31
• 3.4 形态中值小波的信号去噪31
• 3.5 实验结果与分析31-37
• 4 滚动轴承故障特征提取方法37-55
• 4.1 Hilbert-Huang 变换方法的基础理论37-42
• 4.1.1 固有模态函数40-41
• 4.1.2 影响 Hilbert-Huang 变换方法的几个因素41-42
• 4.2 Hilbert-Huang 变换方法的实现42-49
• 4.2.1 经验模式分解42-44
• 4.2.2 Hilbert 变换的时频谱与边际谱44-46
• 4.2.3 Hilbert 变换的实现流程图46-49
• 4.3 基于 Hilbert-Huang 变换的滚动轴承特征提取方法49-50
• 4.4 实验结果与分析50-55
• 5 滚动轴承的故障识别方法55-68
• 5.1 理论背景55-61
• 5.1.1 VC 维56-57
• 5.1.2 推广性的界限57-58
• 5.1.3 结构风险最小化58
• 5.1.4 支持向量机58-61
• 5.2 基于最小二乘支持向量机分类器61-63
• 5.3 基于 LS-SVM 的滚动轴承故障状态识别63-64
• 5.4 实验结果与分析64-68
• 6 总结与展望68-69
• 参考文献69-74
• 在学期间研究成果74-75
• 致谢75-76

【参考文献】

中国期刊全文数据库 前10条

1 彭良玉;禹旺兵;;基于小波分析和克隆选择算法的模拟电路故障诊断[J];电工技术学报;2007年06期

2 王彬彬;饶泓;张江文;;基于小波分析的滚动轴承故障诊断系统的研究[J];电脑知识与技术;2009年09期

3 章立军;杨德斌;徐金梧;陈志新;;基于数学形态滤波的齿轮故障特征提取方法[J];机械工程学报;2007年02期

4 崔硕;;时域指标在滚动轴承故障诊断中的应用[J];机械工程与自动化;2008年01期

5 吕永卫;熊诗波;林选;田慕琴;;基于小波包和EMD处理的滚动轴承故障诊断[J];太原理工大学学报;2010年02期

6 舒忠平;杨智春;;抑制经验模分解边缘效应的极值点对称延拓法[J];西北工业大学学报;2006年05期

7 李萌,陆爽,陈岱民;基于小波神经网络的滚动轴承智能故障诊断系统[J];仪器仪表学报;2005年S1期

8 康静秋;孙芳;柳亦兵;;基于关联维数改进算法滚动轴承故障诊断[J];仪器仪表学报;2006年S1期

9 郭永彩;郭瑞瑞;高潮;;运动模糊图像点扩展函数的参数鉴别[J];仪器仪表学报;2010年05期

10 崔玲丽;高立新;殷海晨;张建宇;;基于第二代小波和EMD的解调方法及其应用研究[J];振动与冲击;2008年06期

中国博士学位论文全文数据库 前1条

1 赵协广;基于小波变换和经验模态分解的滚动轴承故障诊断方法研究[D];山东科技大学;2009年

  本文关键词：基于MMW和HHT的滚动轴承故障诊断，，由笔耕文化传播整理发布。

本文编号：270713