基于小波分析和SVM滚动轴承在线故障诊断研究

发布时间：2017-07-05 01:11

  本文关键词：基于小波分析和SVM滚动轴承在线故障诊断研究

  更多相关文章： 滚动轴承 故障诊断 谱峭度 小波变换 包络解调 支持向量机(SVM)

【摘要】：滚动轴承作为机械传动系统中的重要零件,实时掌握其运行状态对机器设备正常发挥其工作性能具有十分重要的意义。本文以轴承的振动信号为研究对像,深入分析适用于振动信号特征提取的信号处理方法,提取轴承故障特征信息用于故障检测和诊断。本文主要研究内容包括振动信号的时域统计特征提取方法、频域特征提取方法、基于支持向量机(SVM)的轴承故障自动检测和诊断方法。 基于振动信号的故障检测和诊断的过程主要包括信号采集、特征信息提取和故障状态识别,其中特征提取和状态识别是两个最为重要的部分。因此,本文首先研究振动信号的时域指标,包括均方根值、方差、峰值因子、峭度、歪度和六阶中心矩,然后研究振动信号的频域特征提取方法,主要是轴承故障特征频率的峰值提取。 目前提取轴承故障特征频率的峰值常用方法是共振包络解调法,在使用该方法的过程会遇到带通滤波器参数设置的问题,通过人工的方法寻找信号频谱中的共振峰来确定带通滤波器的参数,参数设置受人为因素响影较大,存在局限性和随机性。基于此,本文提出基于谱峭度法自动确定滤波器参数,减少人为因素的影响。在研究该方法过程中,首先用有限冲击响应滤波器组对振动信号滤波,提取滤波信号的包络并计算包络功率谱得到故障特征频率峰值。然后根据故障信号为衰减振荡波形的特点,应用Morlet小波代替有限冲击响应滤波器对振动信号做小波变换,取包络求包络谱,取得了更好效果。 为满足滚动轴承故障检测和诊断的自动化、智能化要求,在本文最后采用了支持向量机的方法用于轴承故障模式识别,并取得了预期的识别率。
【关键词】：滚动轴承 故障诊断 谱峭度 小波变换 包络解调 支持向量机(SVM)
【学位授予单位】：五邑大学
【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
• 第一章 绪论9-13
• 1.1 滚动轴承故障诊断研究的意义9-10
• 1.2 滚动轴承故障诊断研究现状10-11
• 1.3 谱峭度、小波变换及SVM在滚动轴承故障诊断中的应用11-12
• 1.4 本文主要研究内容及章节安排12-13
• 第二章 滚动轴承故障机理及信号处理13-23
• 2.1 滚动轴承的基本结构及故障特征频率13-16
• 2.2 时域统计指标16-19
• 2.3 频域分析法19-22
• 2.4 本章小结22-23
• 第三章 包络分析法的轴承故障诊断23-34
• 3.1 机械振动共振理论23-24
• 3.2 Hilbert变换的包络解调24-27
• 3.3 共振解调法的滚动轴承故障仿真分析27-28
• 3.4 轴承故障振动实测数据分析28-33
• 3.5 本章小结33-34
• 第四章 谱峭度—小波变换的包络解调34-50
• 4.1 基于谱峭度包络解调分析34-42
• 4.2 小波变换理论42-45
• 4.3 基于小波变换的谱峭度包络解调分析45-49
• 4.4 本章小结49-50
• 第五章 基于支持向量机的轴承故障诊断50-62
• 5.1 支持向量机50-54
• 5.2 样本数据及特征向量提取54-57
• 5.3 支持向量机分类器训练及测试57-61
• 5.4 本章小结61-62
• 第六章 总结与展望62-64
• 6.1 总结62
• 6.2 展望62-64
• 参考文献64-69
• 攻读硕士学位期间发表和完成的论文69-70
• 致谢70

【相似文献】

中国期刊全文数据库 前10条

1 刘永斌;何清波;张平;孔凡让;;基于SVM的旋转机械故障诊断方法[J];计算机工程;2012年05期

2 郭有贵;曾萍;朱建林;;交-交矩阵变换器SVM的新颖调制模式(英文)[J];系统仿真学报;2009年22期

3 宋国明;王厚军;姜书艳;刘红;;一种聚类分层决策的SVM模拟电路故障诊断方法[J];仪器仪表学报;2010年05期

4 宋国明;王厚军;刘红;姜书艳;;基于提升小波变换和SVM的模拟电路故障诊断[J];电子测量与仪器学报;2010年01期

5 程学云;徐慧;朱玲玲;;基于SVM的分布式入侵检测系统[J];南通大学学报(自然科学版);2008年03期

6 田俊峰;吴丽;;洪水灾情SVM评估模型[J];水文;2009年01期

7 何浩祥;闫维明;孙立;;SVM在张弦桁架施工变形预测中的应用研究[J];钢结构;2007年02期

8 杨稣;史耀媛;宋恒;;基于小波变换域的SVM股市时间序列预测算法[J];科学技术与工程;2008年12期

9 高阳;廖广兰;曹艳波;史铁林;;基于SVM的刻蚀工艺失效状态识别[J];华中科技大学学报(自然科学版);2011年07期

10 赵志刚;吕慧显;李玉景;李京;;一种基于聚类思想的SVM多类分类方法[J];青岛理工大学学报;2011年01期

中国重要会议论文全文数据库 前10条

1 滕卫平;胡波;滕舟;钟元;;SVM回归法在西太平洋热带气旋路径预报中的应用研究[A];S1 灾害天气研究与预报[C];2012年

2 王红军;徐小力;付瑶;;基于SVM的旋转机械故障诊断知识获取[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年

3 陈兆基;杨宏晖;杜方键;;用于水下目标识别的选择性SVM集成算法[A];中国声学学会水声学分会2011年全国水声学学术会议论文集[C];2011年

4 程丽丽;张健沛;杨静;马骏;;一种改进的层次SVM多类分类方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

5 左南;李涓子;唐杰;;基于SVM的肖像照片抽取[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

6 宁伟;苗雪雷;胡永华;季铎;张桂平;蔡东风;;基于SVM的无参考译文的译文质量评测[A];机器翻译研究进展——第四届全国机器翻译研讨会论文集[C];2008年

7 刘旭;罗鹏飞;李纲;;基于拟合角特征及SVM的雷达辐射源个体识别[A];全国第五届信号和智能信息处理与应用学术会议专刊(第一册)[C];2011年

8 罗浩;谢军龙;胡云鹏;;地源热泵空调系统故障诊断中SVM的应用[A];全国暖通空调制冷2008年学术年会资料集[C];2008年

9 刘闪电;王建东;;权重部分更新的大规模线性SVM求解器[A];2009年研究生学术交流会通信与信息技术论文集[C];2009年

10 王舰;汤光明;;基于SVM的图像隐写检测分析[A];第八届全国信息隐藏与多媒体安全学术大会湖南省计算机学会第十一届学术年会论文集[C];2009年

中国硕士学位论文全文数据库 前10条

1 张汉女;基于SVM的海岸线提取方法研究[D];东北师范大学;2010年

2 刘军;基于SVM的半监督网络入侵检测系统[D];复旦大学;2009年

3 张永俊;基于SVM的增量入侵检测方法研究[D];西安科技大学;2013年

4 田幂;基于概率SVM的肿瘤预警系统的设计与实现[D];吉林大学;2013年

5 杨涛;基于SVM的中国医药制造企业财务危机预警研究[D];厦门大学;2009年

6 王硕;基于广义S变换和SVM的电压暂降检测与识别方法研究[D];燕山大学;2013年

7 周洪利;基于SVM的网络信息过滤研究[D];山东师范大学;2008年

8 齐振东;基于SVM的地基土承载力预测[D];吉林大学;2008年

9 任琼;基于SVM的余杭生态公益林类型的遥感分类研究[D];南京林业大学;2008年

10 杨洋;基于SVM的印刷品缺陷在线检测[D];华中科技大学;2012年

，

本文编号：519992