基于LMD的AR模型在旋转机械故障诊断中的应用

发布时间：2017-05-15 13:02

  本文关键词：基于LMD的AR模型在旋转机械故障诊断中的应用，，由笔耕文化传播整理发布。

【摘要】：随着科学技术的进步与生产力的发展,旋转机械设备的工作强度不断的增大,为确保此类设备安全、可靠、高效的运行,避免巨大的经济损失和灾难性事故的发生,对旋转机械进行故障诊断和状态监测是非常有必要的。本文以旋转机械的振动信号为研究对象,重点研究了局部均值分解处理非平稳信号技术、AR模型线性预测技术和基于局部均值分解的AR模型状态预测方法的应用。 首先,针对旋转机械中的滚动轴承,概括了滚动轴承的故障形式和滚动轴承中振动信号的诊断方法,接着阐述滚动轴承的固有频率以及在外圈固定内圈转动的滚动轴承特征频率的计算方法,这些都为针对滚动轴承故障分析打下了基础。 其次,针对旋转机械故障诊断中常用的时频分析方法Fourier变换、Wigner-Ville分布、小波变换和Hilbert-Huang变换方法进行了概括并对它们的优缺点进行了分析。提出需要新的时频分析方法来处理旋转机械特征信号。 再次,本文采用的局部均值分解方法是最近新出现的自适应时频分析方法,采用镜面闭合延拓和三次样条方法对其进行改进。通过对调频调幅仿真信号进行分析,改进的LMD方法相比原始LMD方法,其分解得到的两个PF分量和剩余分量的精度分别提高了30.56%,10.02%和28.32%。利用改进的LMD方法对旋转机械中滚动轴承外圈故障振动加速度信号进行分析,证实该方法能有效的分析时频信号。通过分析得出旋转机械中滚动轴承外圈故障时会出现外圈故障特征频率和转频(或转频的倍数)的合成信号。 然后,本文通过对时间序列中的AR、MA和ARMA这三种模型的研究,确定采用AR模型对旋转机械设备状态进行线性预测。采用最小二乘法估计模型参数,并综合FPE、AIC和BIC定阶准则确定模型阶数,并成功应用于预测旋转机械设备运行的状态。 最后,本文在研究局部均值分解、时间序列方法及其相关技术的基础上,结合它们的特点,将局部均值分解得到的乘积函数分别建立AR模型,利用AR模型得到的模型参数和均方偏差建立模板特征向量,以马氏距离为识别函数,最终成功实现识别旋转机械的工作状态。
【关键词】：旋转机械 故障诊断 状态监测 局部均值分解 AR模型
【学位授予单位】：大连交通大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH165.3
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-17
• 1.1 课题研究的背景和意义10
• 1.2 旋转机械故障诊断的基本过程10-11
• 1.3 国内外相关技术的现状与应用11-14
• 1.3.1 旋转机械故障诊断技术的研究现状11-13
• 1.3.2 局部均值分解的应用13
• 1.3.3 时间序列模型的应用13-14
• 1.4 局部均值分解在旋转机械故障诊断中的发展趋势14-15
• 1.5 本文主要研究内容15-16
• 本章小结16-17
• 第二章 旋转机械中滚动轴承的故障机理17-22
• 2.1 滚动轴承故障的形式17-18
• 2.2 滚动轴承的诊断方法18-19
• 2.3 滚动轴承的固有频率19-20
• 2.4 滚动轴承的特征频率20-21
• 本章小结21-22
• 第三章 旋转机械特征信号分析常用的方法22-30
• 3.1 短时傅里叶变换22-23
• 3.1.1 傅里叶变换22-23
• 3.1.2 短时傅里叶变换23
• 3.2 Wigner-Ville分布23-24
• 3.3 小波变换24-26
• 3.3.1 连续小波变换24-25
• 3.3.2 离散小波变换25-26
• 3.4 Hilbert-Huang变换26-29
• 3.4.1 经验模式分解26-27
• 3.4.2 Hilbert变换27-28
• 3.4.3 基于经验模式分解的Hilbert谱28-29
• 本章小结29-30
• 第四章 局部均值分解方法的研究及应用30-50
• 4.1 局部均值分解相关的概念30-34
• 4.1.1 信号的频率和瞬时频率30-31
• 4.1.2 调幅信号和调频信号31-33
• 4.1.3 单分量和多分量33-34
• 4.2 局部均值分解步骤34-37
• 4.3 局部均值分解中的问题37-43
• 4.3.1 采样频率的问题37-39
• 4.3.2 滑动平均跨度的问题39-40
• 4.3.3 包络估计函数和局部均值函数中相位差的问题40-42
• 4.3.4 端点效应的问题42-43
• 4.4 局部均值分解的改进43-48
• 4.4.1 三次样条插值43
• 4.4.2 镜面闭合延拓43-46
• 4.4.3 局部均值分解的改进46-48
• 4.5 应用分析48-49
• 本章小结49-50
• 第五章 时间序列方法的研究及应用50-60
• 5.1 时间序列模型的原理50-52
• 5.2 AR模型参数的估计52-56
• 5.2.1 AR模型参数的最小二乘估计原理52-54
• 5.2.2 AR模型阶数判定准则54-56
• 5.3 AR模型的建立及其算法实现56-57
• 5.4 应用分析57-59
• 本章小结59-60
• 第六章 基于LMD的AR模型在旋转机械故障诊断中的研究及应用60-69
• 6.1 基于LMD和AR模型的方法60-63
• 6.2 基于LMD的AR模型的滚动轴承故障珍断方法63-65
• 6.3 应用分析65-68
• 本章小结68-69
• 结论与展望69-70
• 参考文献70-73
• 攻读硕士学位期间发表的学术论文73-74
• 致谢74

【参考文献】

中国期刊全文数据库 前10条

1 盖强,马孝江,张海勇,邹岩];一种消除局域波法中边界效应的新方法[J];大连理工大学学报;2002年01期

2 陈华,李继波;异常(Outlier)检测算法综述[J];大众科技;2005年09期

3 杨宇;杨丽湘;程军圣;;基于LMD和AR模型的转子系统故障诊断方法[J];湖南大学学报(自然科学版);2010年09期

4 肖辉,胡运发;基于分段时间弯曲距离的时间序列挖掘[J];计算机研究与发展;2005年01期

5 林丽;周霆;余轮;;EMD算法中边界效应处理技术[J];计算机工程;2009年23期

6 黄石红,陈勇,高N

本文编号：367816