收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于振动信号的机械故障特征提取与诊断研究

赵志宏  
【摘要】:摘要:机械故障诊断对于保障机械设备的安全、稳定运行具有重要意义。基于振动信号分析的机械故障诊断方法具有可在线、实时、非损伤、诊断便捷准确等优点,已经得到广泛应用。本文以轴承、齿轮为主要研究对象,针对机械故障特征提取与诊断问题,采用基于振动信号分析的方法,研究了基于经验模态分解的信号降噪方法;基于小波变换、小波包变换、Hilbert-Huang变换、独立分量分析等现代信号处理方法的机械故障特征提取技术,研究了基于支持向量机、最近邻分类器的机械故障识别方法。本文提出一些机械故障特征提取与诊断的新方法,主要研究内容包括以下几个方面: (1)针对目前基于经验模态分解的振动信号降噪方法不能同时较好地处理高频内蕴模态函数与低频内蕴模态函数的噪声问题,研究提出一种改进的基于经验模态分解的降噪方法,结合现有的两种基于经验模态分解降噪方法的优点,分别对高频内蕴模态函数与低频内蕴模态函数采用不同的降噪方法。仿真和实验结果表明改进的基于经验模态分解的降噪方法具有更好地降噪性能。 (2)研究了基于相对小波能量与支持向量机的机械故障诊断方法。首先将机械故障振动信号进行离散小波分解,然后利用分解后各频带的相对小波能量作为特征向量,最后使用支持向量机作为分类器对机械故障进行分类。并以滚动轴承故障诊断为例验证了该方法能够较好地识别滚动轴承的故障类型及故障程度,具有一定的工程应用价值。 (3)针对机械设备在出现故障时其动力学特性往往呈现出复杂性和非线性,近年来提出的样本熵是一种度量信号复杂性的方法,与分形维数、Kolmogorov熵、李雅普诺夫指数等非线性动力学参数相比,可以较少地依赖于时间序列的长度。基于此提出一种基于小波包变换与样本熵的机械故障诊断方法,利用小波包变换对机械振动信号进行分解,然后计算分解后得到的各个频带的样本熵值作为特征向量,最后使用支持向量机进行故障识别。通过结合小波包技术,可以得到机械故障在不同频带的特征信息,与直接利用原始信号样本熵分析相比可以更全面、更准确地刻画机械故障特征。机械故障诊断实验表明该方法取得较好地识别效果,是一种有效地机械故障诊断方法。 (4)针对机械故障振动信号的时频特征提取问题,研究Hilbert谱时频特征提取方法。Hilbert谱是对振动信号能量精确的时频表示,反映了机械故障振动信号的时间和频率的分布情况,为了提取机械故障信号Hilbert谱特征,引入奇异值分解方法,利用Hilbert谱奇异值作为机械故障特征参数。该方法利用了奇异值分解稳定性好,可以较好地刻画时频矩阵特征的优点。实测轴承振动信号故障诊断实验表明该方法得到较好地识别效果,具有一定的应用价值。 (5)研究了基于独立分量分析的机械故障特征提取方法。提出一种基于独立分量分析与相关系数的机械故障诊断方法,通过对不同工况的机械故障信号分别进行独立分量分析,获得各种工况信号的独立分量,这些独立分量中蕴含了该工况振动信号的一些内在特征;接着利用样本与不同工况信号提取的独立分量的相关系数绝对值的和作为该样本的特征;最后使用支持向量机作为分类器进行识别。齿轮和轴承故障诊断实验表明该方法可以准确提取机械故障特征,获得较高的识别率。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 姜建国,苏鹏声,邱阿端,汪庆生,杨秉寿;电机故障特征提取方法二则[J];中国电机工程学报;1992年05期
2 张淑清;陈白;张立国;;小波分析算法研究及在齿轮与滚动轴承故障诊断中应用[J];传感技术学报;2007年05期
3 徐红;小波包分解算法研究及其在机械故障诊断中的应用[J];仪器仪表学报;2005年S1期
4 刘胜;江娜;;船舶动力装置冷凝器故障特征提取方法研究[J];船舶工程;2008年02期
5 梅检民;周斌;司爱威;张威;肖云魁;;基于变精度粗糙集理论提取发动机振动故障特征[J];军事交通学院学报;2009年03期
6 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
7 杨万成;曹亚娟;冯汉生;邢文华;肖云魁;;粗糙集理论与发动机故障特征提取[J];军事交通学院学报;2005年01期
8 杨铁梅;;基于小波分析的齿轮传动系统故障诊断研究[J];计量与测试技术;2009年09期
9 柴继泽;王仲生;芦玉华;;转子系统早期碰摩故障特征提取方法研究[J];计算机测量与控制;2009年09期
10 马建仓;张国强;曾媛;;盲分离与Hilbert-Huang结合应用于航空发动机振动信号分析[J];机械科学与技术;2010年05期
11 周晶;宋辉;余家祥;;基于小波包的舵机故障特征提取方法研究[J];舰船电子工程;2011年06期
12 汤宝平;蒋永华;张详春;;基于形态奇异值分解和经验模态分解的滚动轴承故障特征提取方法[J];机械工程学报;2010年05期
13 张玲玲;赵懿冠;肖云魁;骆诗定;廖红云;潘全先;;基于小波包-AR谱的变速器轴承故障特征提取[J];振动.测试与诊断;2011年04期
14 杨勇;张帅;韩清凯;曲衍怀;;基于非线性分析的复杂机电系统故障特征提取[J];沈阳农业大学学报;2009年06期
15 孟宗;顾海燕;;应用经验模态分解下的AR模型提取旋转机械故障特征[J];燕山大学学报;2011年04期
16 蒋永华;汤宝平;刘文艺;董绍江;;基于参数优化Morlet小波变换的故障特征提取方法[J];仪器仪表学报;2010年01期
17 应勇;王仲生;;非平稳信号特征提取在航空发动机故障诊断中的应用[J];计测技术;2007年02期
18 高正明;何彬;赵娟;裴永泉;左广霞;;常用故障特征提取方法[J];机床与液压;2009年12期
19 杜文霞;辛涛;孙昊;吕锋;;模糊神经网络在模拟电路故障诊断中的应用[J];自动化仪表;2009年01期
20 韩华;谷波;康嘉;;基于遗传算法和支持矢量机参数优化的制冷机组故障检测与诊断研究[J];机械工程学报;2011年16期
中国重要会议论文全文数据库 前1条
1 徐红;;小波包分解算法研究及其在机械故障诊断中的应用[A];第三届全国信息获取与处理学术会议论文集[C];2005年
中国博士学位论文全文数据库 前2条
1 李瑞欣;基于网络和状态监测的设备管理理论与方法研究[D];天津大学;2004年
2 陈仲生;直升机旋转部件故障特征提取的高阶统计量方法研究[D];国防科学技术大学;2004年
中国硕士学位论文全文数据库 前4条
1 陈建波;基于相位差校正法的全息谱研究[D];重庆大学;2009年
2 吴丹;DC/DC开关电源的故障诊断研究[D];中南大学;2007年
3 谭中军;基于独立分量和生成拓扑映射的旋转机械故障特征提取和诊断研究[D];湖北工业大学;2007年
4 李星;关键机组远程状态监测诊断系统研发与工程应用[D];北京化工大学;2009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