基于流形学习的滚动轴承故障特征提取方法研究
发布时间：2017-09-16 09:44
本文关键词：基于流形学习的滚动轴承故障特征提取方法研究
更多相关文章： 滚动轴承 流形学习 特征提取 集合经验模态分解 样本熵
【摘要】：作为旋转机械的关键部件,滚动轴承在整个机械系统中起着非常重要的作用。其运行状态的好坏往往直接决定了一整台机器的性能优劣。因此研究针对滚动轴承运行状态的故障特征提取方法具有非常重要的现实意义和经济价值。本文以滚动轴承为研究对象,针对强背景噪声下滚动轴承早期微弱故障信号的特点,将流形学习方法与其它现代信号处理方法相结合,对滚动轴承故障特征提取方法展开研究工作,论文主要研究内容如下： 1、论述了滚动轴承的故障机理和时频特征提取方法。首先对构成滚动轴承的基本单元及其发挥的作用作了简述,在此基础上结合滚动轴承的常见故障类型,对故障产生的原因作了重点剖析。给出了滚动轴承的两种主要频率成分及其计算公式。最后通过一组实验室轴承数据分析了时频分析方法的有效性。 2、研究了基于EEMD-流形学习的滚动轴承早期微弱故障信号降噪方法。为了克服EMD分解的模态混叠现象以及传统阈值降噪方法的不足,结合滚动轴承早期微弱故障信号的特点,通过对EEMD分解后得到IMF分量集作LTSA流形降维处理,能够有效去除噪声成分,提高信噪比。通过仿真和实际轴承信号验证了方法的有效性。 3、研究了基于小波包-流形样本熵的滚动轴承故障特征提取方法。结合小波包分解在处理信号高频细节分量时的优势以及样本熵对数据系统内部自我相似度的有效估计。通过对信号小波包分解后的子带进行KPCA流形算法处理,并计算流形子带的样本熵值,能够有效区分出轴承的不同工作状态。最后通过四种不同状态下的实际轴承数据验证了方法的有效性。 4、开发了滚动轴承振动信号分析系统。结合虚拟仪器技术、数据库技术、信号处理技术以及人机交互技术开发了基于C/S结构的滚动轴承振动信号分析系统。该系统将振动信号分析过程中的每一个环节作为一个独立的模块来设计,既保证了功能的实现,又具有一定的可视化、易操作性。通过对实际轴承数据的处理,验证了其性能的可靠性。
【关键词】：滚动轴承 流形学习 特征提取 集合经验模态分解 样本熵
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH133.33;TH165.3
【目录】：
- 摘要4-5
- Abstract5-9
- 1 绪论9-15
- 1.1 课题的研究背景和意义9-10
- 1.1.1 研究背景9
- 1.1.2 目的意义9-10
- 1.2 国内外研究现状10-13
- 1.2.1 滚动轴承故障诊断的研究现状10-11
- 1.2.2 滚动轴承故障特征提取方法的研究现状11-13
- 1.3 论文的主要研究思路和结构安排13-15
- 2 滚动轴承的故障机理与时频特征提取方法15-24
- 2.1 滚动轴承的基本结构15
- 2.2 滚动轴承的故障形式15-16
- 2.3 滚动轴承的故障原因与特征频率16-18
- 2.3.1 滚动轴承的振动机理16-17
- 2.3.2 滚动轴承的故障特征频率和固有频率17-18
- 2.4 滚动轴承故障诊断的常用方法18-19
- 2.5 滚动轴承的时频特征提取方法19-23
- 2.5.1 基于时频域的故障特征提取方法19-21
- 2.5.2 时频特征提取方法的试验分析21-23
- 2.6 本章小结23-24
- 3 基于EEMD-流形学习的滚动轴承早期微弱故障信号降噪方法24-36
- 3.1 EMD方法24-26
- 3.1.1 固有模态函数(IMF)24
- 3.1.2 EMD方法的分解过程24-26
- 3.1.3 EMD方法的模态混叠现象26
- 3.2 EEMD方法26-27
- 3.3 非线性流形学习的原理与应用27-30
- 3.3.1 流形学习的原理27-28
- 3.3.2 局部切空间排列流形算法28-29
- 3.3.3 流形学习在故障信号处理中的应用29-30
- 3.4 基于EEMD-流形学习的降噪方法步骤30-31
- 3.5 仿真分析31-33
- 3.6 工程验证33-35
- 3.7 本章小结35-36
- 4 基于小波包-流形样本熵的滚动轴承故障特征提取方法36-47
- 4.1 小波包分解36-38
- 4.2 样本熵38-39
- 4.3 核主分量分析流形算法39-41
- 4.4 基于小波包-流形样本熵的特征提取方法41
- 4.5 工程验证41-45
- 4.6 本章小结45-47
- 5 滚动轴承振动信号分析系统开发47-57
- 5.1 系统开发环境简介47-48
- 5.2 总体方案设计48-49
- 5.3 系统子模块设计49-56
- 5.3.1 数据管理模块50-52
- 5.3.2 参数设置模块52-53
- 5.3.3 信号预处理模块53-54
- 5.3.4 信号分析模块54-56
- 5.3.5 故障诊断模块56
- 5.4 本章小结56-57
- 结论57-59
- 参考文献59-62
- 攻读硕士学位期间发表学术论文情况62-63
- 致谢63-64
【参考文献】
中国期刊全文数据库 前10条
1 马波,魏强,徐春林,江志农;基于Hilbert变换的包络分析及其在滚动轴承故障诊断中的应用[J];北京化工大学学报(自然科学版);2004年06期
2 曾庆虎;邱静;刘冠军;谭晓栋;;小波相关特征尺度熵在滚动轴承故障诊断中的应用[J];国防科技大学学报;2007年06期
3 高云超;桑恩方;许继友;;分离EMD中混叠模态的新方法[J];哈尔滨工程大学学报;2008年09期
4 曾大有;王晓威;邓风茹;;量子力学中的Heisenberg测不准原理的数学推导以及在小波分析中的应用[J];华北航天工业学院学报;2006年04期
5 张振跃,查宏远;线性低秩逼近与非线性降维[J];中国科学(A辑:数学);2005年03期
6 罗四维;赵连伟;;基于谱图理论的流形学习算法[J];计算机研究与发展;2006年07期
7 詹宇斌;殷建平;刘新旺;;局部切空间对齐算法的核主成分分析解释[J];计算机工程与科学;2010年06期
8 和卫星;陈晓平;邵s，
本文编号：862316
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/862316.html
