收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于振动特征提取的滚动轴承故障诊断方法研究

廖星智  
【摘要】:滚动轴承是机械设备中最常用的部件之一,因此研究滚动轴承这类典型的旋转机械设备的监测与故障诊断方法具有重要意义。在机械设备运行中,滚动轴承出现故障时,滚动轴承的振动信号包含有丰富的故障信息,如何运用现代信号处理的方法提取故障信号中的故障特征,一直是故障诊断领域的研究热点。时频分析方法一直是机械故障诊断中应用广泛的一种分析工具。随着现代信号处理方法的发展,出现了一些新的时频分析方法,因此对其进行研究也具有重要的价值。本文在基于研究了非平稳性时频分析方法的基础上,引入了局部均值分解方法,采用改进局部均值分解方法与神经网络、支持向量机相结合的方法,最终实现对滚动轴承的智能故障诊断。 本文主要研究内容如下: 1)研究了传统时频分析方法在非平稳信号分析中的应用。在研究短时傅里叶变换、Wigner-Ville分布、小波变换以及Hilbert-Huang变换的基础上,引入基于小波包和Hilbert包络谱共振解调方法,以及基于Hilbert-Huang变换的方法,实现对滚动轴承的故障诊断,后者是通过Hilbert边际谱来提取滚动轴承的故障特征,进而判定滚动轴承的故障类型的。 2)重点研究了一种新的时频分析方法---局部均值分解方法,对算法原理作了分析,并对算法计算过程作了仿真分析,重点研究了瞬时相位的展开方法与瞬时频率的求取方法。研究了LMD方法和EMD方法的差异,仿真分析LMD方法并应用于滚动轴承故障特征提取。针对LMD方法的模式混淆问题,提出总体局部均值分解(ELMD)方法,仿真对比研究LMD方法和ELMD方法。 3)与结合神经网络相结合,提出一种基于ELMD和神经网络的滚动轴承故障诊断方法,采用ELMD方法作为预处理器提取滚动轴承的峭度系数和能量特征参数,构造特征向量,输入到BP神经网络进行故障分类识别。与小波包分解作预处理器进行了对比,通过对滚动轴承信号的实例分析,验证了该方法的有效性实用性。 4)与支持向量机相结合,提出一种基于ELMD和最小二乘支持向量机的滚动轴承故障诊断方法,运用ELMD方法提取特征,构造故障特征向量。采用该方法对滚动轴承的工作状态和故障类型进行自动分类识别,通过对滚动轴承的实例分析,表明了该方法的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 陈刚;廖明夫;;基于小波分析的滚动轴承故障诊断研究[J];科学技术与工程;2007年12期
2 范家栋;程礼;韩磊;何卫锋;;基于小波变换的滚动轴承故障诊断分析[J];微计算机信息;2008年31期
3 孙林;杨世元;;最小二乘支持向量机构造的函数链接型神经网络在滚动轴承故障诊断中的应用[J];中国电机工程学报;2010年08期
4 乔保栋;陈果;葛科宇;曲秀秀;;一种滚动轴承故障知识获取的新方法[J];轴承;2011年02期
5 黄银花;;基于数据融合的滚动轴承故障诊断研究[J];机电信息;2011年15期
6 黄银花;;基于数据融合的滚动轴承故障诊断研究[J];电气传动自动化;2011年03期
7 王冬云;陈继刚;董志奎;张文志;;滚动轴承故障特征参数自动提取新方法[J];机械设计;2011年12期
8 张倩;张志新;王亮;;基于振动测试的滚动轴承故障诊断技术进展[J];风机技术;2012年01期
9 汤伟;肖方煜;陈曦;;双自寻优小波去噪方法及其在滚动轴承故障诊断中的应用[J];陕西科技大学学报(自然科学版);2013年02期
10 马文龙;吕建新;吴虎胜;黄炯龙;;多传感器信息融合在滚动轴承故障诊断中的应用[J];传感器与微系统;2013年07期
11 王孝霖;张永祥;吕博;;一种改进时域同步平均的滚动轴承故障诊断方法研究[J];武汉理工大学学报(交通科学与工程版);2013年05期
12 李慧梅;安钢;黄梦;;基于局部均值分解的边际谱在滚动轴承故障诊断中的应用[J];振动与冲击;2014年03期
13 王丽;于宗艳;;小波分析在滚动轴承故障诊断中的应用[J];现代科学仪器;2009年06期
14 吕路勇;田秀芳;娄源元;;基于虚拟仪器的滚动轴承故障诊断系统的设计[J];机械与电子;2010年07期
15 姚国龙;;旋转机械滚动轴承故障机理与故障分析[J];科技信息;2010年33期
16 滕丽丽;唐涛;王明锋;;基于振动分析的滚动轴承故障诊断技术概述及发展趋势[J];科技信息;2011年23期
17 李学东;张云;马晓莉;;基于振动分析的滚动轴承故障诊断系统设计[J];仪表技术与传感器;2012年08期
18 王嘉乐;王灿;会强;;基于虚拟仪器的机车滚动轴承故障诊断研究[J];石家庄铁道大学学报(自然科学版);2012年03期
19 吴斌;王敏杰;康晶;罗跃纲;;滚动轴承故障振动信号特征与诊断方法[J];大连理工大学学报;2013年01期
20 郑近德;程军圣;杨宇;;多尺度排列熵及其在滚动轴承故障诊断中的应用[J];中国机械工程;2013年19期
中国重要会议论文全文数据库 前10条
1 张益纯;;常见滚动轴承故障诊断的技术探讨[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
2 刘玉林;;货车滚动轴承故障不分解诊断技术参数选择与优化探讨[A];扩大铁路对外开放、确保重点物资运输——中国科协2005年学术年会铁道分会场暨中国铁道学会学术年会和粤海通道运营管理学术研讨会论文集[C];2005年
3 杨积忠;左立建;;滚动轴承故障诊断实例[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
4 何斌;戚佳杰;;小波分析在滚动轴承故障诊断中的应用研究[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年
5 李放宁;;峰值能量在滚动轴承故障诊断中的应用[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
6 何斌;戚佳杰;;小波分析在滚动轴承故障诊断中的应用研究[A];第九届全国振动理论及应用学术会议论文集[C];2007年
7 张九军;;常见滚动轴承故障的简易诊断[A];2008年全国炼铁生产技术会议暨炼铁年会文集(上册)[C];2008年
8 李兴林;;滚动轴承故障诊断技术现状及发展[A];2009年全国青年摩擦学学术会议论文集[C];2009年
9 唐海峰;陈进;董广明;;信号稀疏分解方法在滚动轴承故障诊断中的应用[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
10 高耀智;;高阶统计量与小波分析相结合在滚动轴承故障诊断中的应用[A];2009年全国青年摩擦学学术会议论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 于江林;滚动轴承故障的非接触声学检测信号特性及重构技术研究[D];大庆石油学院;2009年
2 杨柳松;基于小波分析与神经网络滚动轴承故障诊断方法的研究[D];东北林业大学;2013年
3 从飞云;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];上海交通大学;2012年
4 赵协广;基于小波变换和经验模态分解的滚动轴承故障诊断方法研究[D];山东科技大学;2009年
5 侯者非;强噪声背景下滚动轴承故障诊断的关键技术研究[D];武汉理工大学;2010年
6 郭艳平;面向风力发电机组齿轮箱滚动轴承故障诊断的理论与方法研究[D];浙江大学;2012年
7 孟涛;齿轮与滚动轴承故障的振动分析与诊断[D];西北工业大学;2003年
8 崔宝珍;自适应形态滤波与局域波分解理论及滚动轴承故障诊断[D];中北大学;2013年
9 姜锐红;基于谱峭度及原子分解的滚动轴承故障诊断方法研究[D];上海大学;2014年
10 王雷;基于流形学习的滚动轴承故障诊断若干方法研究[D];大连理工大学;2013年
中国硕士学位论文全文数据库 前10条
1 李秋瑞;基于近邻函数准则与支持向量机的滚动轴承故障诊断研究[D];电子科技大学;2010年
2 苏宪章;滚动轴承故障非接触多传感器声信号融合及诊断技术研究[D];东北石油大学;2012年
3 刘震坤;基于支持向量数据描述的滚动轴承故障诊断方法研究[D];湖南大学;2012年
4 孔亚林;基于振动信号的滚动轴承故障诊断方法研究[D];大连理工大学;2006年
5 白文广;基于虚拟仪器技术的滚动轴承故障检测系统的研究[D];华北电力大学(河北);2008年
6 苏阳;数据驱动滚动轴承故障诊断研究[D];沈阳大学;2012年
7 吕志刚;基于形态小波和最小二乘支持向量机的滚动轴承故障诊断研究[D];电子科技大学;2012年
8 董群英;基于非平稳时序分析的滚动轴承故障特征提取方法研究[D];中南大学;2012年
9 魏巍;基于非平稳时序分析的滚动轴承故障诊断方法研究[D];湖南工业大学;2012年
10 付新欣;基于小波分析的滚动轴承故障诊断技术研究[D];沈阳航空航天大学;2013年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978