收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于层次非线性分析的滚动轴承故障诊断

黄海宾  
【摘要】:滚动轴承是众多机械设备的核心零部件之一,通过设备的振动信号监测滚动轴承运行状态并识别其潜在故障对确保设备的安全、高效运行具有重要意义,如何从振动信号中提取相关故障特征是该领域的热点研究课题。本文通过一种新发展出的层次分解方法将信号分解到多个层次,再计算各层所有分解信号的非线性特征量以提取滚动轴承振动信号的层次非线性特征,并将其作为支持向量机的输入以构建滚动轴承故障诊断系统。其主要内容如下: 首先,说明了层次非线性分析在滚动轴承故障特征提取方面的优势,即层次分解后的信号会表现一些区别于原始信号的性质,相对于单一非线性特征量而言,层次非线性特征量能提取信号中更为丰富的非线性动力学特征。因此,本文的基本研究思路是利用层次分解进行振动信号的多尺度分解,再结合非线性时间序列分析方法实现滚动轴承的故障特征提取。 其次,将递归量化分析与层次分解相结合得到了信号的层次递归量化分析,并应用其分析滚动轴承在典型状态下的振动信号。分析结果表明,层次分解后的某些节点信号其递归图出现了区别于原始信号递归图的新特征;原始振动信号的递归特征量不能区分的某些故障类型却能利用其分解后某些节点信号的递归特征量很好地区分,这表明层次分解确实能展现振动信号中更丰富的故障特征。将层次递归特征量作为故障特征输入支持向量机以训练故障分类器,并与传统的递归特征量作为故障特征时的故障识别结果进行对比,结果显示前者的平均识别率明显高于后者。 最后,结合层次分解与排列熵算法进行振动信号的层次排列熵分析以提取滚动轴承故障特征。将层次排列熵、传统的多尺度排列熵和单一尺度排列熵分别作为故障特征输入支持向量机以构建故障识别系统。测试结果显示,层次排列熵作为故障特征时的识别率最高,均达到100%;相对而言,多尺度排列熵作为故障特征时的识别率有所降低;而排列熵作为故障特征时的识别效果最差。这再次说明了层次非线性分析在滚动轴承故障特征提取方面的优越性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 黄坤;李洪儒;;小波分析在轴承故障诊断中的应用[J];科学技术与工程;2006年23期
2 李培玉;郑俊;;基于多通道振动信号的港机车轮轴承故障诊断[J];轴承;2007年09期
3 王利英;杨绍普;王欢;张魁龙;赵卫国;田玉龙;;李雅普指数在轴承故障诊断中的应用研究[J];噪声与振动控制;2007年05期
4 闫志勇;;化工料浆循环泵轴承故障诊断[J];设备管理与维修;2008年06期
5 皮骏;王辉;张银波;林家泉;;时频分析在轴承故障诊断中的应用研究[J];机械设计与制造;2009年02期
6 艾莉;华静;;基于多传感器信息融合的滚动轴承故障诊断[J];轴承;2012年03期
7 ;维修·保养·管理[J];工程机械文摘;1995年03期
8 徐分亮;张彦国;;振动分析技术在轴承故障诊断中的应用[J];通用机械;2014年02期
9 张武军,徐金梧,杨德斌,周艳玲,王海峰;声信号分析方法在轴承故障诊断中的应用[J];北京科技大学学报;2002年01期
10 王楠,孙凤久,陈长征;基于小波分析的低速重载轴承故障诊断[J];东北大学学报;2005年01期
11 陈兴辉;熊晓燕;;基于小波与径向基神经网络的轴承故障诊断[J];机械工程与自动化;2006年01期
12 李辉;郑海起;唐力伟;;声测法和经验模态分解在轴承故障诊断中的应用[J];中国电机工程学报;2006年15期
13 李敏;王小卉;杨洁明;;基于循环谱密度切片集合分析法的轴承故障诊断[J];煤矿机械;2010年05期
14 陈涛;;基于MATLAB的轴承故障诊断方法的研究[J];化工设备与管道;2011年06期
15 韩涛;胡英贝;张蕾;张文涛;徐振宇;;信息融合技术在托辊轴承故障诊断中的应用[J];轴承;2012年06期
16 汪世益;高频谱峰群在轴承故障诊断中的意义[J];华东冶金学院学报;1998年03期
17 李红芳;张清华;;基于自适应免疫检测器的变速器轴承故障诊断研究[J];机电工程;2013年11期
18 钟先友;赵春华;陈保家;曾良才;;基于形态自相关和时频切片分析的轴承故障诊断方法[J];振动与冲击;2014年04期
19 李友荣;肖涵;王志刚;吕勇;侯澍旻;;基于广义谐波小波分析的低速重载轴承故障诊断[J];武汉科技大学学报(自然科学版);2008年01期
20 易挺;梁楚华;朱圆圆;;基于倒频谱技术的滚动轴承故障诊断[J];机床与液压;2009年09期
中国重要会议论文全文数据库 前10条
1 李琳;张永祥;童艳;;基于声发射和高阶谱分析的滚动轴承故障诊断[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
2 任获荣;马亚男;李胜刚;;熵随机共振在轴承故障诊断中的应用研究[A];2012年陕西省焊接学术交流会论文集[C];2012年
3 高耀智;谭援强;;基于1(1/2)谱与小波分析相结合的滚动轴承故障诊断[A];2009年全国青年摩擦学学术会议论文集[C];2009年
4 陶新民;徐晶;杜宝祥;徐勇;;基于相空间奇异谱的SOM轴承故障诊断模型[A];第二十七届中国控制会议论文集[C];2008年
5 李培玉;刘光明;郑俊;;基于多通道振动信号的港机台车车轮轴承故障诊断系统[A];第九届全国振动理论及应用学术会议论文集[C];2007年
6 乔文生;陈兴辉;艾士娟;胡北;赵恒;;基于小波包和BP神经网络的滚动轴承故障诊断[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年
7 李培玉;刘光明;郑俊;;基于多通道振动信号的港机台车车轮轴承故障诊断系统[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
8 沈路;周晓军;张杰;;基于形态非抽样小波与灰色关联度的滚动轴承故障诊断[A];2011年机械电子学学术会议论文集[C];2011年
9 宋浏阳;王华庆;高金吉;王峰;;基于蚁群算法的滚动轴承故障诊断[A];现代振动与噪声技术(第九卷)[C];2011年
10 张淑清;张琳;;基于RBF网络和D-S推理的轴承故障诊断[A];首届信息获取与处理学术会议论文集[C];2003年
中国博士学位论文全文数据库 前1条
1 梁瑜;地铁列车轴承故障诊断及在途诊断系统研究[D];北京交通大学;2014年
中国硕士学位论文全文数据库 前10条
1 张涛;机车轴承故障诊断系统的研究与设计[D];中南大学;2005年
2 黄建新;多传感器数据融合技术在轴承故障诊断中的应用研究[D];武汉理工大学;2006年
3 赵兴;基于时频维数的滚动轴承故障诊断技术应用研究[D];大连交通大学;2013年
4 卢一相;时频分析在轴承故障诊断中的应用研究[D];安徽大学;2007年
5 陈涛;低速重载轴承故障诊断的虚拟仪器研究[D];重庆大学;2005年
6 李学伟;支持向量机在嵌入式轴承故障诊断装置中的研究与实现[D];东北大学;2010年
7 任锴胜;基于DSP的嵌入式煤矿提升机天轮轴承故障诊断系统研究[D];山东大学;2011年
8 许茁;数据挖掘在轴承故障诊断中的应用[D];大连海事大学;2005年
9 高广华;基于EMD的时频分析方法在机车轴承故障诊断中的应用研究[D];中南大学;2007年
10 耿永强;基于支持向量机的机车轴承故障诊断系统的研究[D];中南大学;2008年
中国重要报纸全文数据库 前1条
1 通讯员 蔡义杰 记者 唐先武;轴承故障诊断有了“透视镜”[N];科技日报;2001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