基于最小熵解卷积的滚动轴承故障诊断研究

发布时间：2017-09-11 01:11

  本文关键词：基于最小熵解卷积的滚动轴承故障诊断研究

  更多相关文章： 故障诊断 最小熵解卷积 故障特征提取 FIR滤波器 齿轮箱 滚动轴承

【摘要】：能源电力、石油化工、钢铁冶金及其他国民经济支柱产业中的机械设备，不仅具有大型、高速、复杂、高效及重载的特点，而且其工作和运行环境十分复杂。这些设备一旦突然发生故障，不仅会造成巨额经济损失，甚至会导致严重的人员伤亡事故，影响社会安定团结发展的局面。因此，对此类设备开展故障诊断技术研究具有重要的理论和工程意义。 如何在强噪声背景下提取出真正的信号或者信号的特征并将其应用于工程实际是机械设备状态监测与故障诊断的核心，也是故障诊断领域的研究热点。新方法和新理论的研究也层出不穷，对丰富和完善机械故障诊断技术起到了重要作用。本学位论文以滚动轴承为研究对象，以最小熵解卷积理论为分析工具，深入研究和发展了基于最小熵解卷积方法的滚动轴承故障诊断技术新方法，并验证了工程应用价值，取得了一定的效果。论文主要包括以下几个方面的内容： (1)从理论分析与工程应用的角度出发，阐述了论文的选题背景和研究意义。分析了滚动轴承故障诊断、信号分析与处理技术、最小熵解卷积方法等方面的国内外研究现状，确立了本文的研究内容。 (2)介绍了最小熵解卷积及其相关基础理论。首先，对熵和信息熵理论进行了介绍，揭示其反映信号复杂度和不确定性的本质，然后在此基础上介绍了熵在信号处理领域的应用，其中重点介绍了幅值谱熵，再然后对FIR滤波器进行了简单介绍，最后介绍了最小熵解卷积理论及其实现过程。 (3)理论分析了最小熵解卷积方法应用于滚动轴承故障诊断的原理，并进行仿真研究。首先，对研究对象进行了介绍，其中包括滚动轴承的结构、滚动轴承的故障类型以及滚动轴承故障模型，然后对滚动轴承常见的诊断方法进行了简单介绍，其中包括时域指标和包络谱分析。结合滚动轴承故障模型，论证了最小熵解卷积方法应用于滚动轴承故障诊断的原理，并利用轴承三种点蚀故障的仿真信号进行了验证了即使在强噪声干扰的环境下，最小熵解卷积方法依然能够对故障信息和故障特征进行有效提取，，对最小熵解卷积滤波后信号计算峭度、幅值谱熵或进行包络谱分析等能够精确诊断轴承故障。最后，从FIR滤波器角度出发，研究了最小熵解卷积方法的性能影响因素，并结合研究对象特点对参数设置进行了分析和研究，发掘出最小熵解卷积方法设计的滤波器具有相当好的鲁棒特性的优点，具有很强的工程应用价值。 (4)实验验证和分析。本章主要了利用两个实验来论证和研究最小熵解卷积方法的有效性和优势。第一个实验为轴承全寿命加速疲劳实验。通过全寿命加速疲劳试验，可以获得单一轴承运行从正常到失效的全寿命周期数据。利用最小熵解卷积方法对两组轴承全寿命周期各个阶段的数据进行分析，研究了最小熵解卷积方法对轴承故障各个阶段的故障诊断能力，研究结果表明其在初始故障阶段故障诊断能力较强，能够有效地提取初始故障阶段的故障特征，验证了本文方法对轴承初始故障诊断的有效性和优势。针对轴承往往与齿轮等部件一起运行的工程应用实际，考虑到轴承故障信号往往受强噪声干扰，如齿轮箱中的轴承故障信息往往隐没在齿轮啮合频率的特点，设计了齿轮箱中轴承故障实验，研究了最小熵解卷积方法对齿轮箱中轴承故障的诊断能力。首先，对齿轮箱故障诊断试验装置和实验流程进行了介绍。通过对传感器采集到的振动信号分析，结果表明：最小熵解卷积方法能够有效地去除随机噪声和周期成分的影响，提高滤波后信号的冲击特征，验证了本文方法在强噪声干扰中提取故障信息和故障特征的有效性和优势，探索其工程应用价值。
【关键词】：故障诊断 最小熵解卷积 故障特征提取 FIR滤波器 齿轮箱 滚动轴承
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH133.33;TH165.3
【目录】：

• 摘要5-7
• ABSTRACT7-9
• 目录9-11
• 第一章 绪论11-17
• 1.1 选题背景11-12
• 1.1.1 课题来源11
• 1.1.2 课题意义11-12
• 1.2 课题背景12-14
• 1.2.1 滚动轴承故障诊断发展概况12-13
• 1.2.2 信号分析与处理技术13-14
• 1.2.3 最小熵解卷积研究概况14
• 1.3 主要工作与总体框架14-17
• 第二章 最小熵解卷积基础理论17-25
• 2.1 引言17
• 2.2 熵、信息、信息熵17-18
• 2.3 熵在信号处理领域的应用18-20
• 2.4 FIR 滤波器基础20-22
• 2.5 最小熵解卷积方法及其实现22-24
• 2.6 本章小结24-25
• 第三章 基于最小熵解卷积的轴承故障诊断研究25-53
• 3.1 引言25
• 3.2 滚动轴承及去振动信号模型25-30
• 3.2.1 滚动轴承的结构25-26
• 3.2.2 滚动轴承的故障类型26-29
• 3.2.3 滚动轴承故障信号建模29-30
• 3.3 滚动轴承故障诊断方法30-32
• 3.3.1 常用时域指标30-31
• 3.3.2 包络谱分析31-32
• 3.4 基于最小熵解卷积的轴承故障诊断32-43
• 3.4.1 原理32-33
• 3.4.2 仿真信号分析33-43
• 3.5 最小熵解卷积的性能影响因素分析43-51
• 3.6 本章小结51-53
• 第四章 实验验证和分析53-77
• 4.1 引言53
• 4.2 实验一轴承全寿命加速疲劳实验53-68
• 4.2.1 试验对象及设备53-57
• 4.2.2 试验方案和操作流程57-58
• 4.2.3 试验结果分析58-68
• 4.3 实验二齿轮箱故障诊断实验68-75
• 4.3.1 试验对象及设备68-70
• 4.3.2 试验方案和操作流程70-71
• 4.3.3 试验结果分析71-75
• 4.4 本章小结75-77
• 第五章 总结与展望77-81
• 5.1 全文工作总结77-78
• 5.2 主要创新点78
• 5.3 研究展望78-81
• 参考文献81-87
• 攻读硕士学位期间发表的学术论文清单87
• 攻读硕士学位期间参与科研项目情况87-89
• 致谢89

【参考文献】

中国期刊全文数据库 前10条

1 吕勇;徐金梧;李友荣;;递归图和近似熵在设备故障信号复杂度分析中的应用[J];机械强度;2006年03期

2 杨文献,姜节胜;机械信号奇异熵研究[J];机械工程学报;2000年12期

3 申_",黄树红,韩守木,杨叔子;旋转机械振动信号的信息熵特征[J];机械工程学报;2001年06期

4 程军圣,于德介,杨宇;基于EMD的能量算子解调方法及其在机械故障诊断中的应用[J];机械工程学报;2004年08期

5 伍星,罗德扬,郭之璜;快速频率细化 ZOOM 软件的开发研究[J];昆明理工大学学报;1997年02期

6 苗刚;马孝江;任全民;;多尺度Hilbert谱熵在故障诊断中的应用[J];农业机械学报;2007年03期

7 庄建军;宁新宝;邹鸣;孙飙;杨希;;两种熵测度在量化射击运动员短时心率变异性信号复杂度上的一致性[J];物理学报;2008年05期

8 胥永刚,李凌均,何正嘉;近似熵及其在机械设备故障诊断中的应用[J];信息与控制;2002年06期

9 刘慧,和卫星,陈晓平;生物时间序列的近似熵和样本熵方法比较[J];仪器仪表学报;2004年S1期

10 陈进;信号处理在机械设备故障诊断中的应用(连载) 第二讲 现代信号处理与特征提取(上)[J];振动与冲击;1999年03期

中国博士学位论文全文数据库 前5条

1 沈恩华;脑电的复杂度分析[D];复旦大学;2005年

2 谢平;故障诊断中信息熵特征提取及融合方法研究[D];燕山大学;2006年

3 陈伟婷;基于熵的表面肌电信号特征提取研究[D];上海交通大学;2008年

4 张家凡;振动信号的包络解调分析方法研究及应用[D];武汉理工大学;2008年

5 梁巍;管道缺陷检测中超声信号稀疏解卷积及稀疏压缩方法的研究[D];上海交通大学;2008年

本文编号：827721