基于HHT和模糊神经网络的滚动轴承故障诊断研究

发布时间：2017-05-27 09:17

  本文关键词：基于HHT和模糊神经网络的滚动轴承故障诊断研究，由笔耕文化传播整理发布。

【摘要】：滚动轴承是大型旋转机械设备的关键部件之一，由于它经常运行，所以很容易磨损。当它磨损后发生故障时，又会伴有很强的噪声产生。为了保证机械设备的安全可靠运行，需要对滚动轴承进行故障诊断。滚动轴承在工作时，会产生周期性的振动，根据振动的幅值和频率，来诊断轴承发生了哪种故障。本文以瑞典SKF公司生产的6205-2RS JEM深沟球轴承为研究对象，对滚动轴承进行故障诊断，识别以下三种故障：内圈故障、外圈故障以及滚动体故障。 由于滚动轴承在工作的情况下会带有噪声，一旦故障发生，，伴随的噪声会越来越大。为了准确地识别出滚动轴承的不同故障类型，需要对滚动轴承的故障信号进行降噪预处理，采用一种新型的处理非线性、非平稳信号的方法-经验模态分解法，结合小波包对轴承故障信号进行降噪处理。得到降噪之后的信号，对已处理的信号进行小波包三层分解，得到能量特征向量，然后将能量特征向量导入到自适应神经模糊推理系统中进行故障诊断。仿真结果表明：利用经验模态分解结合小波包的降噪方法能有效地提高信号的信噪比，在降噪的基础上，采用自适应神经模糊推理系统进行故障诊断，诊断结果正确率高，可以很好的识别出三种不同的故障类型。 由于经验模态分解存在模态混叠的问题，会使复杂信号的分解结果所表示的物理意义不清楚。为了克服这个缺点并且选取有用的本征模态函数分量，将集合经验模态分解和分布拟合检验两种算法相结合，来提取滚动轴承中的故障信息。由于滚动轴承故障信号具有随机性，采用集合经验模态分解可以很好的减轻模态混叠的问题。为了获取有用的本征模态函数分量同时去除无用的分量，在利用集合经验模态分解后，采用分布拟合检验对这些分量进行筛选。利用正态概率图和Jarque-Bera测试法两种检测方法来提高检验的正确率，然后利用包络谱对滚动轴承的故障特征频率进行识别，从而诊断滚动轴承故障类型。仿真结果表明：采用集合经验模态分解和分布拟合检验法可以有效的筛选出滚动轴承故障信号的有用信息，利用包络谱可以很好的识别出不同类型的轴承故障，提出的方法适用于滚动轴承的故障诊断。
【关键词】：滚动轴承 故障诊断 经验模态分解 集合经验模态分解 分布拟合检验
【学位授予单位】：兰州交通大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH133.33;TH165.3
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-14
• 1.1 选题背景及研究意义9
• 1.2 国内外研究现状9-13
• 1.3 主要研究工作内容13-14
• 2 滚动轴承故障特征14-18
• 2.1 滚动轴承振动的基本参数14-15
• 2.1.1 滚动轴承的结构14-15
• 2.1.2 滚动轴承的特征频率15
• 2.2 滚动轴承故障的主要形式15-17
• 2.3 滚动轴承的振动信号特点17
• 2.4 小结17-18
• 3 EMD 结合模糊神经网络在滚动轴承故障诊断中的分析18-35
• 3.1 小波包降噪原理18-19
• 3.2 EMD 算法原理19-20
• 3.3 基于 EMD-小波包的降噪方法20-21
• 3.4 ANFIS 故障诊断算法原理21-23
• 3.5 基于 EMD-小波包和 ANFIS 的滚动轴承故障诊断23-34
• 3.5.1 EMD-小波包降噪预处理23-27
• 3.5.2 小波包分解与故障数据筛选27-30
• 3.5.3 ANFIS 在滚动轴承故障诊断中的仿真分析30-34
• 3.6 小结34-35
• 4 EEMD 结合分布拟合检验在滚动轴承故障诊断中的分析35-51
• 4.1 EEMD 算法35
• 4.2 EEMD 抗模态混叠分析35-37
• 4.3 模态混叠仿真实验37-39
• 4.4 EEMD-分布拟合检验39-44
• 4.4.1 正态概率图原理39-40
• 4.4.2 EEMD 结合分布拟合检验算法40-42
• 4.4.3 EEMD-分布拟合检验仿真实验42-44
• 4.5 基于 EEMD-分布拟合检验的滚动轴承故障诊断44-49
• 4.5.1 滚动轴承内圈故障诊断44-47
• 4.5.2 滚动轴承外圈故障诊断47-49
• 4.6 小结49-51
• 结论51-52
• 致谢52-53
• 参考文献53-56
• 攻读学位期间的研究成果56

【参考文献】

中国期刊全文数据库 前10条

1 段群杰;张铭钧;;基于减法聚类和自适应模糊神经网络方法的运动规划器设计[J];兵工学报;2007年12期

2 杜修力;何立志;侯伟;;基于经验模态分解(EMD)的小波阈值除噪方法[J];北京工业大学学报;2007年03期

3 彭斌,刘振全;谐小波模糊神经网络应用于旋转机械的故障诊断[J];动力工程;2005年05期

4 张小娟;;自适应神经模糊推理系统(ANFIS)及其仿真[J];电子设计工程;2012年05期

5 王志伟;胡瑜;李银伟;;基于小波和自适应模糊神经的旋转设备故障诊断[J];华东交通大学学报;2010年01期

6 隋文涛;张丹;张宇;;基于小波熵和ANFIS的轴承故障诊断方法[J];机床与液压;2010年11期

7 蒋静芝;孟相如;李欢;庄绪春;;减法聚类-ANFIS在网络故障诊断的应用研究[J];计算机工程与应用;2011年08期

8 李振兴;徐洪洲;;基于经验模态分解的小波阈值降噪方法研究[J];计算机仿真;2009年09期

9 何晓霞,沈玉娣,张西宁;连续小波变换在滚动轴承故障诊断中的应用[J];机械科学与技术;2001年04期

10 张鑫;吴亚锋;朱帅琦;;基于EEMD-HHT边际谱的轴承故障诊断[J];科学技术与工程;2011年31期

中国博士学位论文全文数据库 前1条

1 苏文胜;滚动轴承振动信号处理及特征提取方法研究[D];大连理工大学;2010年

  本文关键词：基于HHT和模糊神经网络的滚动轴承故障诊断研究，由笔耕文化传播整理发布。

本文编号：399490