基于非平稳性信号分析的滚动轴承状态检测诊断研究

发布时间：2017-03-30 16:10

  本文关键词：基于非平稳性信号分析的滚动轴承状态检测诊断研究，由笔耕文化传播整理发布。

【摘要】：滚动轴承广泛应用在工业中，，是机械设备中最重要的零件之一，它的运行状态直接关系到整台机器能否正常运行。因此，对滚动轴承的运行状态进行检测和诊断是非常有价值的。 本论文第三章从时频分析角度出发，引入谐波小波和HHT方法对轴承故障信号进行检测。谐波小波具有盒形频谱特性，能将任意信号无泄漏、无冗余、正交地分解到相互独立频段上，可以当作带通滤波器来使用，能将特定频段的成分从信号频率成分中分离出来，使淹没在噪声中较弱的信号显现出来；Hilber-Huang变换(HHT)方法能自适应的对信号进行时频分析，同时也能自适应对信号的局部时频特征进行分解。轴承信号经过滤波处理后，去除了高频噪声的干扰，再对处理后的信号进行HHT处理，可以在Hilbert边际谱得到轴承故障特征频率，有助于对轴承故障进行定位。 本论文第四章是从轴承振动信号瞬态特征描述和非平稳性特征分析角度出发，建立基于平滑伪Wigner-Ville分布(SPWVD)谱熵和支持向量机(SVM）的信号瞬态特征提取的故障诊断模型。SPWVD改善了Winger-Ville分布存在交叉干扰项及波形震荡的缺点，利用窗平滑有效的抑制了交叉项函数；支持向量机可以实现对滚动轴承不同工作状态的智能分类。将轴承振动信号SPWVD谱熵值，用SVM方法对其分类，应用于实例中，发现SVM智能分类器可以有效识别滚动轴承的工作状态，非常适合用于滚动轴承状态识别诊断。 本论文从两个不同角度对滚动轴承故障数据进行分析，所用到的数据来自西储大学，实验表明上述方法可以有效地对轴承故障进行诊断和定位。
【关键词】：机械故障 Hilbert-Huang变换 平滑伪Wigner-Ville分布(SPWVD) 非平稳性 支持向量机算法
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH133.33;TH165.3
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-17
• 1.1 课题研究背景及意义10-11
• 1.2 机械故障诊断技术的发展状况11-13
• 1.3 故障诊断方法13-15
• 1.4 本文主要的研究内容和章节安排15-17
• 第2章 滚动轴承的故障分析及诊断方法17-29
• 2.1 故障的类型17-18
• 2.2 轴承主要的失效形式和成因18-20
• 2.3 滚动轴承故障频率的计算方法20-22
• 2.4 滚动轴承产生振动的原理及振动的类型22
• 2.5 滚动轴承振动信号故障诊断法22-28
• 2.5.1 滚动轴承故障诊断法的步骤23
• 2.5.2 滚动轴承故障诊断的时域分析方法23-24
• 2.5.3 滚动轴承故障诊断的频域分析方法24-25
• 2.5.4 滚动轴承故障诊断的时频分析方法25-28
• 2.6 本章小结28-29
• 第3章 谐波小波滤波与 HHT 在滚动轴承故障信号中的应用29-45
• 3.1 HHT 的基本原理29-31
• 3.1.1 Hilbert 变换30-31
• 3.2 经验模态分解(EMD)方法的原理31-35
• 3.2.1 EMD 方法筛分过程31-34
• 3.2.2 EMD 算法的长处34-35
• 3.3 Hi1bert 频谱分析35-37
• 3.4 谐波小波原理37-38
• 3.5 滚动轴承工作状态诊断的流程图38
• 3.6 应用分析38-44
• 3.6.1 西储大学实验数据分析38-42
• 3.6.2 实测轴承信号中的应用42-44
• 3.7 本章小结44-45
• 第4章 基于 EMD 和平滑伪 Wigner-Ville 谱熵的轴承故障诊断45-56
• 4.1 平滑伪 Wigner-Ville 谱熵45-46
• 4.1.1 平滑伪 Wigner-Ville 分布45-46
• 4.1.2 平滑伪 Wigner-Ville 谱熵46
• 4.2 支持向量机算法46-49
• 4.2.1 支持向量机的原理46-49
• 4.2.2 支持向量机的特点及存在的不足49
• 4.3 轴承故障诊断流程图49-50
• 4.4 仿真实验50-55
• 4.5 本章小结55-56
• 结论56-58
• 参考文献58-62
• 攻读硕士学位期间承担的科研任务与主要成果62-63
• 致谢63-64
• 作者简介64

【参考文献】

中国期刊全文数据库 前10条

1 戴吾蛟;丁晓利;朱建军;陈永奇;李志伟;;基于经验模式分解的滤波去噪法及其在GPS多路径效应中的应用[J];测绘学报;2006年04期

2 党保华;朱德荣;杜志强;王淑珍;余炳辉;;基于IPSO优化BP神经网络的滚动轴承故障诊断[J];轴承;2011年07期

3 李敏;傅攀;;EMD和Elman神经网络在滚动轴承故障诊断中的应用[J];四川兵工学报;2011年08期

4 胡劲松,杨世锡;基于HHT的旋转机械故障诊断方法研究[J];动力工程;2004年06期

5 陈彦龙;张培林;徐超;李胜;;基于DCT和EMD的滚动轴承故障诊断[J];电子测量技术;2012年02期

6 焦丹,徐善驾,吴先良,李世雄;采用频域紧支集正交小波基消除瞬态散射回波中的高斯白噪声干扰[J];电子学报;1999年06期

7 臧怀刚;李清志;王石云;韩验龙;;基于改进的DCT和EMD的轴承故障诊断[J];轴承;2013年03期

8 李雪耀;邹晓杰;张汝波;钱真;;谱熵和主成分分析用于EMD分解研究[J];哈尔滨工程大学学报;2009年07期

9 沈国际,陶利民,徐永成,陈仲生;基于Wigner分布和经验模态分解的减速器故障诊断[J];航空动力学报;2005年02期

10 章浩;;滚动轴承故障诊断技术研究[J];湖南农机;2010年09期

  本文关键词：基于非平稳性信号分析的滚动轴承状态检测诊断研究，由笔耕文化传播整理发布。

本文编号：277528