本文關(guān)鍵詞：小波字典下齒輪箱復(fù)合故障瞬態(tài)特征的稀疏表示研究　出處：《蘇州大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 復(fù)合故障 特征提取 瞬態(tài)成分 信號稀疏表示 小波字典

【摘要】：齒輪箱作為現(xiàn)代機械設(shè)備中不可缺少的動力傳遞部件,在航天事業(yè)、輪渡運輸、風(fēng)力發(fā)電、數(shù)控機床、高速鐵路等現(xiàn)代工業(yè)設(shè)備與機械系統(tǒng)中應(yīng)用十分普遍,其運行狀態(tài)對整個機械設(shè)備與系統(tǒng)的運行狀態(tài)有著至關(guān)重要的影響。然而,由于制造工藝復(fù)雜,持續(xù)工作時間長等原因,齒輪箱內(nèi)部零部件常常會發(fā)生局部故障。因此,尋找合適的齒輪箱故障特征提取方法,對維持設(shè)備的正常運轉(zhuǎn)、保障人民群眾的生命財產(chǎn)安全均具有極其重要的現(xiàn)實意義。在工程實際中,故障往往又不是單獨發(fā)生的,某些故障的存在可能會進一步促使其他故障的產(chǎn)生,從而形成復(fù)合故障。所以,基于齒輪箱的復(fù)合故障診斷技術(shù)的研究同樣具有重要的實踐意義。然而,在齒輪箱發(fā)生復(fù)合故障時,存在于同一振動信號中的兩種或多種故障成分之間可能存在耦合作用,加大了復(fù)合故障特征分離與提取的難度。因此,齒輪箱復(fù)合故障特征提取研究工作具有重要的科學(xué)意義。本文在國家自然科學(xué)基金項目“稀疏框架下信號瞬態(tài)成分提取及其機械故障預(yù)示研究”(項目批準(zhǔn)號:71375322)資助下,以軸承和齒輪局部故障組成的復(fù)合故障為研究對象,以分離和提取齒輪箱復(fù)合故障的瞬態(tài)特征成分為目標(biāo),提出了一種新型復(fù)合故障診斷方法——基于不同小波字典分別稀疏表示齒輪箱復(fù)合故障的瞬態(tài)特征成分,然后給出了具體的理論介紹與實驗分析。論文首先針對齒輪箱內(nèi)部的兩個關(guān)鍵旋轉(zhuǎn)零件——齒輪與軸承的故障振動特點進行分析,發(fā)現(xiàn)無論齒輪或是軸承發(fā)生局部故障時的振動信號中常會包含一組瞬態(tài)沖擊成分,這些瞬態(tài)成分往往包含著重要的故障信息。而當(dāng)齒輪箱中軸承和齒輪同時發(fā)生故障時,其振動信號中會出現(xiàn)兩種瞬態(tài)沖擊響應(yīng)成分。因此,本文提出先后對這兩種不同的瞬態(tài)成分別進行提取從而實現(xiàn)齒輪箱復(fù)合故障特征的分離與提取。然后,對信號稀疏表示方法的理論基礎(chǔ)及關(guān)鍵步驟的進一步研究表明,稀疏表示方法能夠?qū)收咸卣鞯乃矐B(tài)成分轉(zhuǎn)化為一系列稀疏表示系數(shù),自適應(yīng)性好,表達簡潔。因此,本論文引入信號稀疏表示方法對齒輪箱復(fù)合故障特征進行提取。在信號稀疏表示理論的基礎(chǔ)上,針對復(fù)合故障中軸承與齒輪故障信號波形具有的瞬態(tài)性和稀疏性的本質(zhì)特點,本文提出分步對齒輪箱復(fù)合故障信號進行基于小波字典的稀疏表示策略。本文根據(jù)恒轉(zhuǎn)速工況下原始復(fù)合信號中軸承與齒輪故障波形的特點,提出了采用通過計算相關(guān)性大小的相關(guān)濾波法構(gòu)造過完備小波字典的方法。在選定匹配最優(yōu)小波字典的前提下,本文針對信號稀疏表示理論模型中的另一關(guān)鍵問題——目標(biāo)函數(shù)的求解進行展開討論。信號稀疏表示理論模型的目標(biāo)函數(shù)包含數(shù)據(jù)保真項和懲罰項兩部分,分別對其中一項進行優(yōu)化就可以得到某故障特征成分的稀疏表示向量。對于優(yōu)化數(shù)據(jù)保真項問題,本文提出了利用SALSA求解目標(biāo)函數(shù);對于優(yōu)化懲罰項問題,本文提出了利用優(yōu)化最小算法設(shè)計一般形式的二次嚴(yán)格凸函數(shù)來求解目標(biāo)函數(shù)。這兩種稀疏表示方法均對齒輪箱的復(fù)合故障特征先后進行稀疏表示,最終將復(fù)合故障信號中的兩種故障瞬態(tài)成分均先后轉(zhuǎn)化成一系列的稀疏表示系數(shù),從而完成齒輪箱復(fù)合故障特征的分離與提取目標(biāo)。仿真分析和實測齒輪箱復(fù)合故障信號分析的結(jié)果均驗證了所提兩種方法的有效性。本文依據(jù)信號稀疏表示理論基礎(chǔ),構(gòu)造適應(yīng)故障波形特征的小波字典,提出了兩種齒輪箱復(fù)合故障特征稀疏表示方法。本論文的工作豐富了機械故障特征提取方法,為復(fù)合故障特征的分離與提取提供了新型有效的方法,對齒輪箱復(fù)合故障的監(jiān)測與診斷具有一定的理論和實踐意義。
【學(xué)位授予單位】：蘇州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TH132.41

【相似文獻】

相關(guān)期刊論文 前10條

1 陳思寶;趙令;羅斌;;局部保持的稀疏表示字典學(xué)習(xí)[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2014年01期

2 鄭軼;蔡體健;;稀疏表示的人臉識別及其優(yōu)化算法[J];華東交通大學(xué)學(xué)報;2012年01期

3 段菲;章毓晉;;一種面向稀疏表示的最大間隔字典學(xué)習(xí)算法[J];清華大學(xué)學(xué)報(自然科學(xué)版);2012年04期

4 張佳宇;彭力;;基于聯(lián)合動態(tài)稀疏表示方法的多圖像人臉識別算法[J];江南大學(xué)學(xué)報(自然科學(xué)版);2014年03期

5 查長軍;孫南;張成;韋穗;;基于稀疏表示的特定目標(biāo)識別[J];吉林大學(xué)學(xué)報(工學(xué)版);2013年01期

6 朱啟兵;楊寶;黃敏;;基于核映射稀疏表示分類的軸承故障診斷[J];振動與沖擊;2013年11期

7 王國權(quán);張揚;李彥鋒;王麗芬;馬曉梅;;一種基于稀疏表示的圖像去噪算法[J];工業(yè)儀表與自動化裝置;2013年05期

8 耿耀君;張軍英;;一種基于投影稀疏表示的基因選擇方法[J];哈爾濱工程大學(xué)學(xué)報;2011年08期

9 翟懿奎;甘俊英;徐穎;曾軍英;;快速稀疏表示指背關(guān)節(jié)紋識別及其并行實現(xiàn)[J];吉林大學(xué)學(xué)報(工學(xué)版);2012年S1期

10 詹永照;張珊珊;成科揚;;基于非線性可鑒別的稀疏表示視頻語義分析方法[J];江蘇大學(xué)學(xué)報(自然科學(xué)版);2013年06期

相關(guān)會議論文 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識別研究[A];虛擬運營與云計算——第十八屆全國青年通信學(xué)術(shù)年會論文集（上冊）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號處理及其研究進展[A];中國聲學(xué)學(xué)會水聲學(xué)分會2013年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 李進明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號稀疏表示的電機故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測與認(rèn)證方法研究[D];東北師范大學(xué);2015年

4 黃國華;蛋白質(zhì)翻譯后修飾位點與藥物適應(yīng)癥預(yù)測方法研究[D];上海大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學(xué);2015年

7 解虎;高維小樣本陣列自適應(yīng)信號處理方法研究[D];西安電子科技大學(xué);2015年

8 秦振濤;基于稀疏表示及字典學(xué)習(xí)遙感圖像處理關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2015年

9 薛明;基于稀疏表示的在線目標(biāo)跟蹤研究[D];上海交通大學(xué);2014年

10 孫樂;空譜聯(lián)合先驗的高光譜圖像解混與分類方法[D];南京理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

2 趙孝磊;基于圖像分塊稀疏表示的人臉識別算法研究[D];南京信息工程大學(xué);2015年

3 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺追蹤算法研究[D];華南理工大學(xué);2015年

4 張鈴華;非約束環(huán)境下的稀疏表示人臉識別算法研究[D];南京信息工程大學(xué);2015年

5 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

6 楊爍;電能質(zhì)量擾動信號的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

7 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

8 梁曉捷;基于網(wǎng)絡(luò)攝像頭與稀疏表示分類法的實時人臉識別系統(tǒng)應(yīng)用研究[D];五邑大學(xué);2015年

9 張宏樂;語音信號稀疏表示方法研究[D];太原理工大學(xué);2016年

10 郭欣;基于K-SVD稀疏表示的語音增強算法研究[D];太原理工大學(xué);2016年

，

本文編號：1322677