基于数学形态学的滚动轴承故障诊断方法研究
发布时间：2021-08-12 11:49
旋转机械在现代工业和智能制造中占据越来越大的地位。对旋转机械的工作状态进行实时监控不仅能够避免灾难事故的发生,而且有望增加明显的经济收益。滚动轴承被誉为工业生产中旋转机械装备的重要关节之一,在不同领域有着广泛的应用,其运行状态的正常与否直接关系到整个机械装备的工作性能。因此,对于新故障诊断方法的探索和挖掘,滚动轴承是一个很好的研究对象。在实际工程中,由局部缺陷引起的轴承振动信号通常具有非线性、非平稳、低信噪比、故障特征不明显等特点,直接采用频谱分析将难以做出有效诊断。另外,一些常规诊断方法如AR模型、谱峭度、时频分析等各自具有一定局限性。因此,探索有效的滚动轴承故障诊断方法在工程实际中是不得不面对的现实问题。数学形态学是一种非线性非平稳信号分析方法,通过结构元素探针可以实现对非线性信号细节信息的有效匹配和捕捉,在轴承损伤检测领域有着良好的应用前景。本文以滚动轴承为研究对象,在现有数学形态学方法的基础上,对基于数学形态学的轴承故障诊断方法进行了深入研究并作出了改进,旨在提高轴承故障诊断的准确度,进而最大程度避免事故的出现。本文的创新点和主要工作内容如下:（1）在研究数学形态学基本理论和性...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：144 页
【学位级别】：博士
【部分图文】：
滚动轴承故障诊断流程图
论文的技术路线
（c）半圆型结构元素图2.10 不同形状的结构元素图2.11 结构元素参数自适应优化流程图2.4 仿真信号研究2.4.1 轴承故障仿真信号模型为了验证参数优化 CMFH 变换在提取振动信号周期性脉冲序列的有效性，借鉴文献[167]的轴承故障仿真模型，构造如下仿真信号： ()1.1sin(2)1.5sin(2)()2exp()cos(2)()()()()22310112stftftstatftytststrt （2.34）式中， mod(,1)0 smt kff， 0,1,2,,2047 k 。仿真信号 y (t)由 ()1s t、 ()2s t和 r (t)三部分组成。()1s t是幅值为 2、载波频率1f 为 200Hz、调制频率mf （轴承故障特征频率）为 16Hz、衰减系数 a 为-100 的周期性指数衰减脉冲序列，用于模拟轴承故障产生的冲击信号。 ()2s t为两正弦叠加信号，其频率成分 f2、f3分别为 20Hz 和 30Hz，用于模拟轴承故障中的多干扰源信号。r (t)为仿真信号中添加的具有信噪比为 3dB 的高斯白噪声
【参考文献】：
期刊论文
[1]基于变尺度形态滤波的高速列车万向轴故障辨识研究[J]. 李奕璠,刘建新,林建辉. 机械工程学报. 2018(04)
[2]基于ITD和改进形态滤波的滚动轴承故障诊断[J]. 余建波,吕靖香,程辉,孙习武,吴昊. 北京航空航天大学学报. 2018(02)
[3]基于VMD的自适应形态学在轴承故障诊断中的应用[J]. 钱林,康敏,傅秀清,王兴盛,费秀国. 振动与冲击. 2017(03)
[4]基于广义形态学滤波和Hilbert边际谱的滚动轴承故障诊断[J]. 崔宝珍,马泽玮,李会龙,王珊. 中国机械工程. 2016(11)
[5]基于噪声辅助多元经验模态分解和多尺度形态学的滚动轴承故障诊断方法[J]. 武哲,杨绍普,任彬,马新娜,张建超. 振动与冲击. 2016(04)
[6]基于LMD自适应多尺度形态学和Teager能量算子方法在轴承故障诊断中的应用[J]. 武哲,杨绍普,张建超. 振动与冲击. 2016(03)
[7]基于倒谱预白化和形态学自互补Top-Hat变换的滚动轴承故障特征提取[J]. 邓飞跃,唐贵基,何玉灵. 振动与冲击. 2015(15)
[8]基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J]. 刘长良,武英杰,甄成刚. 中国电机工程学报. 2015(13)
[9]基于自适应多尺度自互补Top-Hat变换的轴承故障增强检测[J]. 唐贵基,邓飞跃,何玉灵. 机械工程学报. 2015(19)
[10]基于EEMD形态谱和KFCM聚类集成的滚动轴承故障诊断方法研究[J]. 郑直,姜万录,胡浩松,朱勇,李扬. 振动工程学报. 2015(02)
博士论文
[1]信号的稀疏表达在滚动轴承故障特征提取及智能诊断中的应用研究[D]. 甘萌.中国科学技术大学 2017
[2]基于振动信号处理的滚动轴承故障诊断方法研究[D]. 王晓龙.华北电力大学(北京) 2017
[3]基于变分模态分解的风电机组传动系统故障诊断研究[D]. 武英杰.华北电力大学(北京) 2016
[4]形态与形态小波降噪技术及其在位移测量中的应用[D]. 张成斌.南京航空航天大学 2016
[5]基于数学形态学和局部均值分解的旋转机械故障诊断方法[D]. 郑直.燕山大学 2015
[6]非平稳信号特征提取方法研究及其在内燃机故障诊断中的应用[D]. 王霞.天津大学 2015
[7]局部特征尺度分解方法及其在机械故障诊断中的应用研究[D]. 郑近德.湖南大学 2014
[8]基于广义局部频率的非线性非平稳信号故障特征提取方法研究[D]. 唐友福.上海大学 2013
[9]基于滑移向量序列奇异值分解的滚动轴承故障诊断研究[D]. 从飞云.上海交通大学 2012
[10]基于熵的表面肌电信号特征提取研究[D]. 陈伟婷.上海交通大学 2008
硕士论文
[1]滚动轴承复合故障机理及振动模型研究[D]. 董振振.哈尔滨工业大学 2015
[2]形态学滤波新方法及其在旋转机械故障诊断中的应用[D]. 李扬.燕山大学 2013
本文编号：3338271
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：144 页
【学位级别】：博士
【部分图文】：
滚动轴承故障诊断流程图
论文的技术路线
（c）半圆型结构元素图2.10 不同形状的结构元素图2.11 结构元素参数自适应优化流程图2.4 仿真信号研究2.4.1 轴承故障仿真信号模型为了验证参数优化 CMFH 变换在提取振动信号周期性脉冲序列的有效性，借鉴文献[167]的轴承故障仿真模型，构造如下仿真信号： ()1.1sin(2)1.5sin(2)()2exp()cos(2)()()()()22310112stftftstatftytststrt （2.34）式中， mod(,1)0 smt kff， 0,1,2,,2047 k 。仿真信号 y (t)由 ()1s t、 ()2s t和 r (t)三部分组成。()1s t是幅值为 2、载波频率1f 为 200Hz、调制频率mf （轴承故障特征频率）为 16Hz、衰减系数 a 为-100 的周期性指数衰减脉冲序列，用于模拟轴承故障产生的冲击信号。 ()2s t为两正弦叠加信号，其频率成分 f2、f3分别为 20Hz 和 30Hz，用于模拟轴承故障中的多干扰源信号。r (t)为仿真信号中添加的具有信噪比为 3dB 的高斯白噪声
【参考文献】：
期刊论文
[1]基于变尺度形态滤波的高速列车万向轴故障辨识研究[J]. 李奕璠,刘建新,林建辉. 机械工程学报. 2018(04)
[2]基于ITD和改进形态滤波的滚动轴承故障诊断[J]. 余建波,吕靖香,程辉,孙习武,吴昊. 北京航空航天大学学报. 2018(02)
[3]基于VMD的自适应形态学在轴承故障诊断中的应用[J]. 钱林,康敏,傅秀清,王兴盛,费秀国. 振动与冲击. 2017(03)
[4]基于广义形态学滤波和Hilbert边际谱的滚动轴承故障诊断[J]. 崔宝珍,马泽玮,李会龙,王珊. 中国机械工程. 2016(11)
[5]基于噪声辅助多元经验模态分解和多尺度形态学的滚动轴承故障诊断方法[J]. 武哲,杨绍普,任彬,马新娜,张建超. 振动与冲击. 2016(04)
[6]基于LMD自适应多尺度形态学和Teager能量算子方法在轴承故障诊断中的应用[J]. 武哲,杨绍普,张建超. 振动与冲击. 2016(03)
[7]基于倒谱预白化和形态学自互补Top-Hat变换的滚动轴承故障特征提取[J]. 邓飞跃,唐贵基,何玉灵. 振动与冲击. 2015(15)
[8]基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J]. 刘长良,武英杰,甄成刚. 中国电机工程学报. 2015(13)
[9]基于自适应多尺度自互补Top-Hat变换的轴承故障增强检测[J]. 唐贵基,邓飞跃,何玉灵. 机械工程学报. 2015(19)
[10]基于EEMD形态谱和KFCM聚类集成的滚动轴承故障诊断方法研究[J]. 郑直,姜万录,胡浩松,朱勇,李扬. 振动工程学报. 2015(02)
博士论文
[1]信号的稀疏表达在滚动轴承故障特征提取及智能诊断中的应用研究[D]. 甘萌.中国科学技术大学 2017
[2]基于振动信号处理的滚动轴承故障诊断方法研究[D]. 王晓龙.华北电力大学(北京) 2017
[3]基于变分模态分解的风电机组传动系统故障诊断研究[D]. 武英杰.华北电力大学(北京) 2016
[4]形态与形态小波降噪技术及其在位移测量中的应用[D]. 张成斌.南京航空航天大学 2016
[5]基于数学形态学和局部均值分解的旋转机械故障诊断方法[D]. 郑直.燕山大学 2015
[6]非平稳信号特征提取方法研究及其在内燃机故障诊断中的应用[D]. 王霞.天津大学 2015
[7]局部特征尺度分解方法及其在机械故障诊断中的应用研究[D]. 郑近德.湖南大学 2014
[8]基于广义局部频率的非线性非平稳信号故障特征提取方法研究[D]. 唐友福.上海大学 2013
[9]基于滑移向量序列奇异值分解的滚动轴承故障诊断研究[D]. 从飞云.上海交通大学 2012
[10]基于熵的表面肌电信号特征提取研究[D]. 陈伟婷.上海交通大学 2008
硕士论文
[1]滚动轴承复合故障机理及振动模型研究[D]. 董振振.哈尔滨工业大学 2015
[2]形态学滤波新方法及其在旋转机械故障诊断中的应用[D]. 李扬.燕山大学 2013
本文编号：3338271
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3338271.html
