基于双树复小波的机电设备故障诊断方法及应用

发布时间：2017-05-01 20:05

  本文关键词：基于双树复小波的机电设备故障诊断方法及应用，由笔耕文化传播整理发布。

【摘要】：为保证机电设备的安全可靠运行，有效的故障诊断技术是现代化工业中必不可少的部分，可及时、准确地对机电设备的运行状况和故障作出诊断。故障特征信息提取是故障诊断技术的关键，，而机电设备的运行环境都比较恶劣，振动信号一般都是非线性、非平稳的，同时包含强烈的噪声干扰，因此，如何利用有效的信号处理方法提取故障特征信息是至关重要的。小波变换技术作为处理非线性、非平稳信号的有力工具，在故障诊断领域中得到了广泛的应用。而传统的小波变换具有诸多不足之处，例如：离散小波变换缺乏平移不变性，复小波变换不能完全重构，平稳小波变换存在大量的数据冗余等，双树复小波变换有效地克服了传统小波变换的不足之处。本文对双树复小波变换进行了系统的研究，将其成功应用于机电设备故障诊断中。论文主要内容包括： （1）阐述了双树复小波变换的基本原理，验证了双树复小波变换具有近似平移不变性和较小的频率混叠特性。提出了基于双树复小波包变换的阈值降噪方法，通过对仿真信号和滚动轴承故障振动信号的降噪分析，并与传统离散小波包变换降噪方法对比，进一步验证了双树复小波包变换相对于传统离散小波包变换具有一定的优势。 （2）针对阈值降噪难以准确设定阈值大小的问题，提出了基于双树复小波变换和奇异值分解（SVD）的故障诊断方法，利用奇异值差分谱和曲率谱实现了自动确定有效奇异值的个数，保留信号中有效信息的同时，实现噪声最大限度的消除，并将其成功应用于机电设备故障诊断中，有效地提取了故障特征信息。 （3）针对利用双树复小波包变换分解信号时，如何自动地选择信号分解的层数和分解后的信号分量的问题，提出了基于DT-CWPT-SK（双树复小波包变换的谱峭度）方法，实现了信号分解层数和分解后最佳分量的自动选择。 （4）提出了基于双树复小波包变换和支持向量机（SVM）的故障诊断方法，在识别滚动轴承单一故障时，有较高的识别率，而对于复合故障，识别的准确率不够理想。提出了基于双树复小波包变换和独立分量分析（ICA）的故障诊断方法，同时利用AR谱进一步对ICA处理得到的独立分量信号进行消噪，有效地分离和提取了复合故障的特征信息。
【关键词】：故障诊断 双树复小波变换 奇异值分解 谱峭度 支持向量机 独立分量分析
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH165.3
【目录】：

• 摘要4-5
• Abstract5-7
• 目录7-9
• 第1章 绪论9-17
• 1.1 选题的背景9-10
• 1.2 国内外研究现状及分析10-15
• 1.2.1 故障诊断技术国内外研究现状10-13
• 1.2.2 双树复小波变换研究现状13-15
• 1.3 课题的研究意义与来源15-16
• 1.4 论文的主要内容及章节安排16-17
• 第2章 双树复小波变换的原理与应用17-39
• 2.1 引言17-18
• 2.2 双树复小波变换18-28
• 2.2.1 离散小波变换18-19
• 2.2.2 双树复小波变换基本结构19-21
• 2.2.3 双树复小波变换滤波器组设计21-25
• 2.2.4 双树复小波变换特性分析25-28
• 2.3 双树复小波包变换28-29
• 2.4 基于 DT-CWPT 的阈值降噪29-38
• 2.4.1 阈值降噪29-30
• 2.4.2 基于 DT-CWPT 的阈值降噪方法30-31
• 2.4.3 仿真信号降噪31
• 2.4.4 试验信号降噪31-36
• 2.4.5 工程信号降噪36-38
• 2.5 本章小结38-39
• 第3章 基于 DT-CWT 和 SVD 的故障诊断方法39-61
• 3.1 引言39
• 3.2 奇异值分解39-45
• 3.2.1 奇异值分解基本原理39-42
• 3.2.2 奇异值差分谱42-43
• 3.2.3 奇异值曲率谱43-45
• 3.3 基于 DT-CWT 和奇异值差分谱的故障诊断方法45-56
• 3.3.1 滚动轴承故障试验分析45-51
• 3.3.2 滚动轴承故障工程信号分析51-52
• 3.3.3 齿轮故障试验分析52-54
• 3.3.4 齿轮故障工程案例分析54-56
• 3.4 基于 DT-CWPT 和奇异值曲率谱的故障诊断方法56-60
• 3.5 本章小结60-61
• 第4章 基于 DT-CWPT-SK 的故障诊断方法61-75
• 4.1 引言61
• 4.2 谱峭度61-63
• 4.3 基于双树复小波包变换和谱峭度结合的故障诊断方法63-69
• 4.4 双树复小波包变换频带能量泄漏特性分析69-71
• 4.5 基于 DT-CWPT-SK 的故障诊断方法71-74
• 4.6 本章小结74-75
• 第5章 基于双树复小波包变换的复合故障诊断75-93
• 5.1 引言75
• 5.2 基于 DT-CWPT 和 SVM 的滚动轴承故障诊断方法75-81
• 5.2.1 SVM 多分类器75-76
• 5.2.2 基于 DT-CWPT 和 SVM 的故障诊断76-81
• 5.3 基于 DT-CWPT 和 ICA 的复合故障诊断方法81-88
• 5.3.1 独立分量分析81
• 5.3.2 基于 DT-CWPT 和 ICA 的复合故障诊断方法81-84
• 5.3.3 滚动轴承复合故障信号分析84-88
• 5.4 基于 DT-CWPT 和 AR 谱的复合故障诊断方法88-92
• 5.4.1 AR 功率谱89-90
• 5.4.2 基于 DT-CWPT 和 AR 谱的复合故障诊断方法90-92
• 5.5 本章小结92-93
• 结论93-95
• 参考文献95-103
• 攻读硕士学位期间所发表的学术论文103-105
• 致谢105

【参考文献】

中国期刊全文数据库 前10条

1 陈志新;徐金梧;杨德斌;;互为Hilbert变换对的正交小波构造及其应用[J];北京科技大学学报;2008年04期

2 程军圣;于德介;杨宇;;基于EMD和SVM的滚动轴承故障诊断方法[J];航空动力学报;2006年03期

3 杨叔子,师汉民,熊有伦,王治藩;机械设备诊断学的探讨[J];华中工学院学报;1987年02期

4 周登登;刘志刚;符伟杰;韩志伟;;基于双树复小波的相电流行波故障选线新方法[J];电力系统保护与控制;2010年08期

5 陈予恕;;机械故障诊断的非线性动力学原理[J];机械工程学报;2007年01期

6 雷亚国;何正嘉;訾艳阳;;基于混合智能新模型的故障诊断[J];机械工程学报;2008年07期

7 王国彪;何正嘉;陈雪峰;赖一楠;;机械故障诊断基础研究“何去何从”[J];机械工程学报;2013年01期

8 胥永刚;李强;王正英;王太勇;;基于独立分量分析的机械故障信息提取[J];天津大学学报;2006年09期

9 王红霞,成礼智,吴翊;Q-shift复小波的一种新型构造方法及其在图像去噪中的应用[J];信号处理;2005年05期

10 苏文胜;王奉涛;朱泓;张志新;李宏坤;郭正刚;;双树复小波域隐Markov树模型降噪及在机械故障诊断中的应用[J];振动与冲击;2011年06期

中国博士学位论文全文数据库 前1条

1 王衍学;机械故障监测诊断的若干新方法及其应用研究[D];西安交通大学;2009年

  本文关键词：基于双树复小波的机电设备故障诊断方法及应用，由笔耕文化传播整理发布。

本文编号：339540