基于振动信号分析的旋转机械故障诊断方法研究

发布时间：2017-04-12 03:10

  本文关键词：基于振动信号分析的旋转机械故障诊断方法研究，由笔耕文化传播整理发布。

【摘要】：振动信号分析是进行旋转机械故障诊断的重要手段，旋转机械故障诊断的一般流程包括采集振动信号、提取故障特征和识别运行状态三部分。本文重点研究应用最广泛的齿轮及齿轮箱的故障及诊断方法，通过信号处理的手段提取齿轮箱的故障振动信号的时域特征、频域特征和非平稳的时频域特征，并应用支持向量机进行故障识别。从而实现对齿轮箱的故障诊断。 故障诊断的最重要的是故障特征的提取，本文对齿轮的振动信号和故障特征进行分析，并从时域、频域、时频域三方面研究基于振动信号分析的故障诊断方法。在时域上提取有量纲和无量纲指标，在频域上提取功率谱能量熵、倒频谱周期成分和包络谱特征，在时频域上提取小波包频带能量比，并进行希尔伯特黄变换分析。重点研究希尔伯特黄变换算法，提出一种抑制端点效应的新算法，应用于经验模态分解（EMD）中，减少端点效应产生的分解误差，并对得到的本征模态函数进行归一化Hilbert变换，提取瞬时频率谱参数作为故障特征。通过仿真实验表明，改进的EMD分解能更加有效的分解出信号的原始成分，为瞬时频率谱的提取打下基础。通过实例验证，本方法提取的瞬时频率谱能够作为特征，进行齿轮状态的判定。 为了提高状态识别正确率和解决小样本学习问题，本文提出免疫猫群改进算法优化支持向量机（ICSO-SVM），利用猫群算法的分组特性，将种群分为搜索组和跟踪组，分别加入免疫算法的克隆选择和动态疫苗接种算法，运用克隆扩增算子在搜寻组中进行局部搜索，根据亲和度值大小调节变异个体数目，保持解的多样性；运用动态疫苗提取与接种算子使跟踪组个体基因与疫苗进行交叉变异，向最优解靠拢，防止无监督交叉变异可能引起的退化现象；并通过浓度平衡算子和选择算子更新子代种群，防止种群“早熟”。利用免疫猫群改进算法对SVM分类过程中的惩罚参数和核参数进行优化，提出基于免疫猫群改进算法优化的支持向量机识别方法用于故障状态分类和识别。通过仿真实验表明，免疫猫群改进算法具有较高的收敛性，改进的支持向量机算法提高了识别正确率。 将瞬时频率谱特征及其他特征和ICSO-SVM算法应用于齿轮故障诊断系统中，，利用MATLAB开发工具，实现了对齿轮箱故障状态的准确诊断。
【关键词】：振动信号 故障诊断 经验模态分解 免疫猫群改进算法 支持向量机
【学位授予单位】：天津理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH165.3
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-14
• 1.1 旋转机械故障诊断的意义9
• 1.2 旋转机械故障诊断的国内外研究现状9-10
• 1.3 旋转机械故障诊断技术10-12
• 1.4 本论文主要研究内容及结构12-14
• 第二章 旋转机械振动信号分析14-25
• 2.1 齿轮箱振动信号构成及故障特征14-17
• 2.2 振动信号分析的故障诊断流程17-18
• 2.3 振动信号分析18-25
• 2.3.1 时域分析18-19
• 2.3.2 频域分析19-21
• 2.3.3 时频域分析21-25
• 第三章 改进 HHT 变换的时频分析25-47
• 3.1 抑制端点效应的改进算法25-35
• 3.1.1 改进算法25-30
• 3.1.2 仿真实验30-35
• 3.2 归一化 Hilbert 变换求瞬时频率谱35-41
• 3.2.1 瞬时频率谱35-36
• 3.2.2 归一化 Hilbert 求取瞬时频率谱36-38
• 3.2.3 仿真实验与结果对比38-41
• 3.3 改进 HHT 算法在提取齿轮振动信号故障特征中的应用41-47
• 第四章 免疫猫群改进算法优化支持向量机的故障识别47-62
• 4.1 支持向量机参数选择对故障诊断的影响47-49
• 4.2 免疫猫群改进算法49-54
• 4.3 免疫猫群改进算法优化支持向量机参数54-57
• 4.4 仿真实验与分析57-62
• 第五章 旋转机械故障诊断系统设计与实现62-72
• 5.1 旋转机械故障诊断系统设计62
• 5.2 特征提取62-70
• 5.3 故障诊断70-72
• 第六章 总结和展望72-73
• 6.1 全文工作总结72
• 6.2 展望72-73
• 参考文献73-77
• 发表论文和科研情况说明77-78
• 致谢78-79

【参考文献】

中国期刊全文数据库 前10条

1 许宝杰;张建民;徐小力;李建伟;;抑制EMD端点效应方法的研究[J];北京理工大学学报;2006年03期

2 高学,金连文,尹俊勋,黄建成;一种基于支持向量机的手写汉字识别方法[J];电子学报;2002年05期

3 严宣辉;;应用疫苗接种策略的免疫入侵检测模型[J];电子学报;2009年04期

4 郭瑜,秦树人,梁玉前;时频分析阶比跟踪技术[J];重庆大学学报(自然科学版);2002年05期

5 姜文瀚;周晓飞;杨静宇;;子空间样本选择及其支持向量机人脸识别应用[J];计算机工程与应用;2007年20期

6 胡爱军;唐贵基;安连锁;;Hilbert-Huang变换边界问题处理方法研究[J];机械强度;2008年05期

7 袁静;何正嘉;訾艳阳;;基于提升多小波的机电设备复合故障分离和提取[J];机械工程学报;2010年01期

8 皮维;于德介;彭富强;;基于多尺度线调频基稀疏信号分解的广义解调方法及其在齿轮故障诊断中的应用[J];机械工程学报;2010年15期

9 王秋生;段丹辉;;经验模态分解的边界效应处理技术[J];计算机测量与控制;2006年12期

10 绳晓玲;钟勇超;;基于倒谱和包络解调的齿轮箱故障诊断[J];机械;2011年06期

中国博士学位论文全文数据库 前4条

1 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

2 曹冲锋;基于EMD的机械振动分析与诊断方法研究[D];浙江大学;2009年

3 朱晓军;HHT变换及其在脑电信号处理中的应用研究[D];太原理工大学;2012年

4 明阳;基于循环平稳和盲源分离的滚动轴承故障特征提取方法研究[D];上海交通大学;2013年

  本文关键词：基于振动信号分析的旋转机械故障诊断方法研究，由笔耕文化传播整理发布。

本文编号：300595