本文關(guān)鍵詞：基于條件局部均值分解與變量預(yù)測(cè)模型的滾動(dòng)軸承故障診斷方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著科學(xué)技術(shù)的進(jìn)步,新型工業(yè)化的發(fā)展,大量機(jī)械設(shè)備應(yīng)用于工業(yè)生產(chǎn),推動(dòng)經(jīng)濟(jì)和社會(huì)的發(fā)展。滾動(dòng)軸承作為典型的旋轉(zhuǎn)機(jī)械,是機(jī)械設(shè)備中的重要部件之一,它的運(yùn)行狀態(tài)直接影響整個(gè)機(jī)械設(shè)備的正常運(yùn)行。因此,為避免滾動(dòng)軸承故障而導(dǎo)致機(jī)械設(shè)備的無(wú)法正常運(yùn)行,很有必要對(duì)其運(yùn)行狀態(tài)進(jìn)行檢測(cè)和故障診斷。滾動(dòng)軸承發(fā)生故障時(shí),其振動(dòng)信號(hào)表現(xiàn)出明顯的非線(xiàn)性、非平穩(wěn)性,包含大量的故障信息,如何采取有效的方法提取振動(dòng)信號(hào)中突出故障特征的分量一直是故障診斷領(lǐng)域的研究熱點(diǎn)。本文針對(duì)提取滾動(dòng)軸承故障信息精度低、故障識(shí)別效率低的問(wèn)題,提出了基于條件局部均值分解(Conditional local mean decomposition, CLMD)與變量預(yù)測(cè)模型模式識(shí)別(Variable predictive model based class discriminate, VPMCD)的軸承故障診斷方法。該方法能夠有效地從滾動(dòng)軸承振動(dòng)信號(hào)中提取故障特征分量,從而構(gòu)建故障特征向量；最終實(shí)現(xiàn)滾動(dòng)軸承故障類(lèi)型的有效識(shí)別。本文的主要研究?jī)?nèi)容如下：(1)研究了局部均值分解(Local mean decomposition, LMD)時(shí)頻分析算法在非線(xiàn)性、非平穩(wěn)信號(hào)處理中的原理及Hilbert變換在信號(hào)分析中的應(yīng)用,提出了CLMD方法。該方法將數(shù)字圖像處理的頻率分辨率方法與LMD相結(jié)合,有效解決了LMD分解非連續(xù)的非線(xiàn)性、非平穩(wěn)信號(hào)過(guò)程中存在的模態(tài)混淆現(xiàn)象,從而影響識(shí)別效率的問(wèn)題,并通過(guò)仿真信號(hào)驗(yàn)證了該方法的特性。此外,頻率分辨率方法減少了LMD在分解非連續(xù)的非線(xiàn)性、非平穩(wěn)信號(hào)的計(jì)算量,減少了分解時(shí)間,提高了分解效率。(2) VPMCD是一種多變量預(yù)測(cè)模型的模式識(shí)別方法,該方法很好地解決了非線(xiàn)性分類(lèi)的問(wèn)題。該方法適用于將系統(tǒng)劃分為不同類(lèi)別的特征參數(shù)之間具有某種一定的相互內(nèi)在關(guān)系,且這種內(nèi)在關(guān)系在不同類(lèi)別之間具有明顯的差別；同一類(lèi)別的各個(gè)特征值可以通過(guò)樣本訓(xùn)練得到相應(yīng)的數(shù)學(xué)關(guān)系模型,即變量預(yù)測(cè)模型(Variable predictive model, VPM),從而可以通過(guò)這些VPM對(duì)測(cè)試樣本的各個(gè)特征參數(shù)進(jìn)行預(yù)測(cè),以各個(gè)特征參數(shù)預(yù)測(cè)誤差的平方和最小為判別函數(shù),對(duì)測(cè)試樣本進(jìn)行類(lèi)型識(shí)別。該方法有效避免了BP神經(jīng)網(wǎng)絡(luò)易陷入局部最優(yōu)的缺點(diǎn)和支持向量機(jī)(Support vector machine, S VM)的尋優(yōu)過(guò)程,減少了計(jì)算量和訓(xùn)練時(shí)間,提高了識(shí)別的效率。(3)針對(duì)滾動(dòng)軸承故障診斷過(guò)程中存在的故障信息提取精度低、故障類(lèi)型識(shí)別效率低的問(wèn)題,本文提出了基于CLMD和VPMCD的滾動(dòng)軸承故障診斷方法,并將該方法應(yīng)用到實(shí)際滾動(dòng)軸承故障識(shí)別,應(yīng)用結(jié)果證明該方法是可行、有效的。此外,本文從信號(hào)處理和模式識(shí)別兩方面出發(fā),將本文的方法與近年來(lái)有代表性的滾動(dòng)軸承故障診斷方法進(jìn)行了對(duì)比分析。對(duì)比結(jié)果表明,本文提出的方法具有運(yùn)行速度快、故障診斷精度高的優(yōu)點(diǎn),在滾動(dòng)軸承故障診斷領(lǐng)域具有廣泛的應(yīng)用前景,為實(shí)現(xiàn)旋轉(zhuǎn)機(jī)械故障診斷提供了一個(gè)有效的新途徑。
【關(guān)鍵詞】：局部均值分解 條件局部均值分解 滾動(dòng)軸承 變量預(yù)測(cè)模型 Hilbert變換
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TH133.33
【目錄】：

• 摘要5-7
• ABSTRACT7-14
• 第一章 緒論14-24
• 1.1 選題背景及研究意義14-15
• 1.2 滾動(dòng)軸承故障診斷研究現(xiàn)狀及發(fā)展趨勢(shì)15-20
• 1.2.1 國(guó)外研究現(xiàn)狀16-17
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀17-18
• 1.2.3 傳統(tǒng)故障診斷方法的局限性及發(fā)展趨勢(shì)18-20
• 1.3 本文的主要研究?jī)?nèi)容20-23
• 1.3.1 本文的研究思路20-21
• 1.3.2 本文章節(jié)研究?jī)?nèi)容的安排21-22
• 1.3.3 本文的創(chuàng)新點(diǎn)22-23
• 1.4 本章小結(jié)23-24
• 第二章 局部均值分解時(shí)頻分析的應(yīng)用研究24-38
• 2.1 引言24-25
• 2.2 經(jīng)驗(yàn)?zāi)B(tài)分解方法25-28
• 2.2.1 經(jīng)驗(yàn)?zāi)B(tài)分解方法概述25-26
• 2.2.2 本征模態(tài)函數(shù)26
• 2.2.3 EMD的分解原理26-28
• 2.3 Hilbert變換28
• 2.4 局部均值分解方法28-33
• 2.4.1 局部均值分解方法概述28-29
• 2.4.2 局部均值分解方法的基本原理29-33
• 2.5 LMD方法與EMD方法的比較33
• 2.6 LMD方法的仿真33-37
• 2.7 本章小結(jié)37-38
• 第三章 條件局部均值分解時(shí)頻分析的應(yīng)用研究38-44
• 3.1 引言38
• 3.2 CLMD方法38-39
• 3.3 CLMD方法與LMD方法的對(duì)比研究分析39-43
• 3.4 本章小結(jié)43-44
• 第四章 基于條件局部均值分解與變量預(yù)測(cè)模型的滾動(dòng)軸承故障診斷44-68
• 4.1 引言44-45
• 4.2 滾動(dòng)軸承概述45-50
• 4.2.1 滾動(dòng)軸承故障分析45-48
• 4.2.2 滾動(dòng)軸承振動(dòng)機(jī)理48-49
• 4.2.3 滾動(dòng)軸承故障診斷系統(tǒng)49-50
• 4.3 VPMCD方法50-52
• 4.4 基于CLMD與VPMCD的滾動(dòng)軸承故障診斷52-58
• 4.4.1 故障診斷流程52-53
• 4.4.2 數(shù)據(jù)采集53-54
• 4.4.3 故障特征提取54-56
• 4.4.4 變量預(yù)測(cè)模型的模型建立和故障模式識(shí)別56-58
• 4.5 BP神經(jīng)網(wǎng)絡(luò)58-62
• 4.5.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)58-60
• 4.5.2 BP網(wǎng)絡(luò)學(xué)習(xí)算法60-61
• 4.5.3 BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)61-62
• 4.6 最小二乘支持向量機(jī)62-63
• 4.6.1 支持向量機(jī)62
• 4.6.2 支持向量機(jī)的特點(diǎn)62-63
• 4.7 對(duì)比實(shí)驗(yàn)分析63-65
• 4.8 本章小結(jié)65-68
• 第五章 總結(jié)與展望68-70
• 5.1 開(kāi)展的研究工作68-69
• 5.2 進(jìn)一步工作展望69-70
• 致謝70-72
• 參考文獻(xiàn)72-78
• 附錄78-79

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張益純,劉振娟;滾動(dòng)軸承故障分析探討[J];內(nèi)燃機(jī)配件;2000年03期

2 秦愷,陳進(jìn),姜鳴,陳春梅;一種滾動(dòng)軸承故障特征提取的新方法——譜相關(guān)密度[J];振動(dòng)與沖擊;2001年01期

3 鄧長(zhǎng)春;;聲發(fā)射法在滾動(dòng)軸承故障識(shí)別中的應(yīng)用[J];試驗(yàn)技術(shù)與試驗(yàn)機(jī);2002年Z2期

4 任昭蓉;滾動(dòng)軸承故障的小波診斷法[J];機(jī)械制造與自動(dòng)化;2004年06期

5 陸爽,田野;滾動(dòng)軸承故障特征識(shí)別的時(shí)頻分析研究[J];機(jī)床與液壓;2005年06期

6 江涌;基于余弦調(diào)頻小波變換的滾動(dòng)軸承故障研究[J];機(jī)械設(shè)計(jì)與制造;2005年06期

7 程光友;;時(shí)域指標(biāo)在滾動(dòng)軸承故障診斷中的應(yīng)用[J];中國(guó)設(shè)備工程;2005年12期

8 陳洪軍;趙新澤;王延軍;;滾動(dòng)軸承故障試驗(yàn)臺(tái)的理論建模分析[J];四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2005年04期

9 李崇晟;滾動(dòng)軸承故障的非線(xiàn)性診斷方法[J];軸承;2005年05期

10 趙春華;嚴(yán)新平;趙新澤;袁成清;高虹亮;;滾動(dòng)軸承故障的可拓物元診斷方法[J];潤(rùn)滑與密封;2006年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 張益純;;常見(jiàn)滾動(dòng)軸承故障診斷的技術(shù)探討[A];第十屆全國(guó)設(shè)備監(jiān)測(cè)與診斷技術(shù)學(xué)術(shù)會(huì)議論文集[C];2000年

2 劉玉林;;貨車(chē)滾動(dòng)軸承故障不分解診斷技術(shù)參數(shù)選擇與優(yōu)化探討[A];擴(kuò)大鐵路對(duì)外開(kāi)放、確保重點(diǎn)物資運(yùn)輸——中國(guó)科協(xié)2005年學(xué)術(shù)年會(huì)鐵道分會(huì)場(chǎng)暨中國(guó)鐵道學(xué)會(huì)學(xué)術(shù)年會(huì)和粵海通道運(yùn)營(yíng)管理學(xué)術(shù)研討會(huì)論文集[C];2005年

3 楊積忠;左立建;;滾動(dòng)軸承故障診斷實(shí)例[A];設(shè)備監(jiān)測(cè)與診斷技術(shù)及其應(yīng)用——第十二屆全國(guó)設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集[C];2005年

4 何斌;戚佳杰;;小波分析在滾動(dòng)軸承故障診斷中的應(yīng)用研究[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文摘要集[C];2007年

5 李放寧;;峰值能量在滾動(dòng)軸承故障診斷中的應(yīng)用[A];第十屆全國(guó)設(shè)備監(jiān)測(cè)與診斷技術(shù)學(xué)術(shù)會(huì)議論文集[C];2000年

6 何斌;戚佳杰;;小波分析在滾動(dòng)軸承故障診斷中的應(yīng)用研究[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

7 張九軍;;常見(jiàn)滾動(dòng)軸承故障的簡(jiǎn)易診斷[A];2008年全國(guó)煉鐵生產(chǎn)技術(shù)會(huì)議暨煉鐵年會(huì)文集（上冊(cè)）[C];2008年

8 李興林;;滾動(dòng)軸承故障診斷技術(shù)現(xiàn)狀及發(fā)展[A];2009年全國(guó)青年摩擦學(xué)學(xué)術(shù)會(huì)議論文集[C];2009年

9 唐海峰;陳進(jìn);董廣明;;信號(hào)稀疏分解方法在滾動(dòng)軸承故障診斷中的應(yīng)用[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

10 高耀智;;高階統(tǒng)計(jì)量與小波分析相結(jié)合在滾動(dòng)軸承故障診斷中的應(yīng)用[A];2009年全國(guó)青年摩擦學(xué)學(xué)術(shù)會(huì)議論文集[C];2009年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 郝騰飛;航空發(fā)動(dòng)機(jī)滾動(dòng)軸承故障的核方法智能識(shí)別技術(shù)研究[D];南京航空航天大學(xué);2014年

2 廖強(qiáng);約束獨(dú)立分量和多小波分析在滾動(dòng)軸承故障診斷中的應(yīng)用[D];電子科技大學(xué);2016年

3 曾鳴;基于凸包的模式識(shí)別方法及其在滾動(dòng)軸承故障診斷中的應(yīng)用[D];湖南大學(xué);2016年

4 于江林;滾動(dòng)軸承故障的非接觸聲學(xué)檢測(cè)信號(hào)特性及重構(gòu)技術(shù)研究[D];大慶石油學(xué)院;2009年

5 楊柳松;基于小波分析與神經(jīng)網(wǎng)絡(luò)滾動(dòng)軸承故障診斷方法的研究[D];東北林業(yè)大學(xué);2013年

6 從飛云;基于滑移向量序列奇異值分解的滾動(dòng)軸承故障診斷研究[D];上海交通大學(xué);2012年

7 趙協(xié)廣;基于小波變換和經(jīng)驗(yàn)?zāi)B(tài)分解的滾動(dòng)軸承故障診斷方法研究[D];山東科技大學(xué);2009年

8 侯者非;強(qiáng)噪聲背景下滾動(dòng)軸承故障診斷的關(guān)鍵技術(shù)研究[D];武漢理工大學(xué);2010年

9 郭艷平;面向風(fēng)力發(fā)電機(jī)組齒輪箱滾動(dòng)軸承故障診斷的理論與方法研究[D];浙江大學(xué);2012年

10 孟濤;齒輪與滾動(dòng)軸承故障的振動(dòng)分析與診斷[D];西北工業(yè)大學(xué);2003年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 李男;基于LMD樣本熵和貝葉斯網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法[D];燕山大學(xué);2015年

2 李玉奎;基于非平穩(wěn)信號(hào)分析的滾動(dòng)軸承故障診斷研究[D];燕山大學(xué);2015年

3 卜勇霞;基于時(shí)頻分析方法的滾動(dòng)軸承故障診斷研究[D];昆明理工大學(xué);2015年

4 馬寶;基于KICA和LSSVM的滾動(dòng)軸承故障監(jiān)測(cè)及診斷方法[D];昆明理工大學(xué);2015年

5 馮春生;基于多源不確定信息融合的數(shù)控機(jī)床滾動(dòng)軸承故障診斷方法與實(shí)驗(yàn)研究[D];青島理工大學(xué);2015年

6 王天一;基于正交小波優(yōu)化閾值降噪方法的滾動(dòng)軸承故障診斷研究[D];哈爾濱工業(yè)大學(xué);2015年

7 宋耀文;基于振動(dòng)信號(hào)分析的滾動(dòng)軸承故障特征提取與診斷研究[D];中國(guó)礦業(yè)大學(xué);2015年

8 韓一村;基于多傳感器的滾動(dòng)軸承故障檢測(cè)研究[D];河南科技大學(xué);2015年

9 王秀娟;基于LMD的譜峭度算法在滾動(dòng)軸承故障診斷中的應(yīng)用研究[D];電子科技大學(xué);2014年

10 段永強(qiáng);局部均值分解法在滾動(dòng)軸承故障自動(dòng)診斷中的應(yīng)用研究[D];電子科技大學(xué);2015年

  本文關(guān)鍵詞：基于條件局部均值分解與變量預(yù)測(cè)模型的滾動(dòng)軸承故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：251390