【摘要】： 本文在國(guó)家自然科學(xué)基金(50775208)和河南省教育廳自然科學(xué)基金(2008C460003,2006460005)資助下,將局域均值分解(Local Mean Decomposition, LMD)引入到機(jī)械故障診斷領(lǐng)域,對(duì)基于局域均值分解的機(jī)械故障診斷方法進(jìn)行了深入研究,并取得了創(chuàng)新成果,得到了一些有價(jià)值的結(jié)論。本論文的主要內(nèi)容如下： 第1章、論述了本課題提出的意義；討論了時(shí)頻分析的發(fā)展現(xiàn)狀及其國(guó)內(nèi)外研究現(xiàn)狀；闡述了局域均值分解的發(fā)展及在國(guó)內(nèi)外的研究應(yīng)用現(xiàn)狀；提出了本課題的總體框架和創(chuàng)新點(diǎn)。 第2章、詳細(xì)論述了局域均值分解的基本理論、算法和特點(diǎn),并和經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)進(jìn)行了對(duì)比分析。LMD分解可以得到具有明顯物理意義的生產(chǎn)函數(shù)(production function,PF)分量,能更好地揭示系統(tǒng)的非線性、非平穩(wěn)特性,鑒于LMD良好的自適應(yīng)性,將該方法引入到機(jī)械故障診斷中,提出了基于LMD的機(jī)械故障診斷方法,并給出了實(shí)現(xiàn)的主要步驟。仿真研究表明,該方法能很好地自適應(yīng)性處理非平穩(wěn)信號(hào),能有效地提取出具有明顯的物理意義的瞬時(shí)頻率分量,不會(huì)造成信息的遺失。最后,將提出的方法應(yīng)用到滾動(dòng)軸承故障診斷中,通過軸承故障的分析,進(jìn)一步驗(yàn)證了提出的方法的有效性。 第3章、論述了Wigner高階矩譜的定義和算法；針對(duì)Wigner高階矩譜受到交叉項(xiàng)影響的不足,提出了一種基于局域均值分解和Wigner高階矩譜的機(jī)械故障診斷方法,該方法首先對(duì)故障信號(hào)進(jìn)行LMD分解,得到具有單分量性質(zhì)的生產(chǎn)分量,然后從這些生產(chǎn)分量中找出包含原始信號(hào)信息的“真實(shí)分量”,通過對(duì)真實(shí)分量求Wigner雙譜,然后再進(jìn)行疊加,便可有效的抑制Wigner高階矩譜交叉項(xiàng)的干擾。仿真結(jié)果表明,與直接Wigner雙譜相比較,交叉干擾項(xiàng)得到了有效的抑制,非常好的保持了原信號(hào)的性質(zhì)；與采用Choi-Williams核濾波得到的Wigner雙譜相比較,更能真實(shí)地再現(xiàn)信號(hào)的時(shí)頻特性。最后,將提出的方法用于軸承的故障診斷,實(shí)驗(yàn)結(jié)果再次證明了該方法的有效性,提出的方法為Wigner高階矩譜交叉項(xiàng)的抑制提供了一種新的途徑。 第4章、論述了盲源分離的的基本理論和基本算法；結(jié)合LMD和BSS各自的特點(diǎn),提出了一種基于LMD的機(jī)械故障欠定盲源分離方法,在提出的方法中,利用LMD對(duì)觀測(cè)信號(hào)進(jìn)行分解,得到一系列的生產(chǎn)函數(shù)分量,將所得到的生產(chǎn)函數(shù)分量和原觀測(cè)信號(hào)組成新的觀測(cè)信號(hào),然后,對(duì)構(gòu)成的新觀測(cè)信號(hào)進(jìn)行白化處理和聯(lián)合近似對(duì)角化,得到源信號(hào)的估計(jì)。仿真結(jié)果表明,提出的方法優(yōu)于傳統(tǒng)時(shí)頻域的盲源分離方法,能有效地處理非平穩(wěn)信號(hào)的欠定盲分離。最后,將提出的方法應(yīng)用到滾動(dòng)軸承的混合故障分離中,實(shí)驗(yàn)結(jié)果進(jìn)一步驗(yàn)證了該方法的有效性。 第5章、將局域均值分解(LMD)、包絡(luò)分析和支持向量機(jī)(SVM)相結(jié)合,提出了基于LMD包絡(luò)譜和SVM的滾動(dòng)軸承故障診斷方法,該方法先對(duì)滾動(dòng)軸承振動(dòng)信號(hào)進(jìn)行分解,得到一系列的PF分量,然后,再對(duì)前面幾個(gè)PF分量進(jìn)行絡(luò)分析,從包絡(luò)譜中提取特征幅值比作為特征向量輸入到SVM分類器中進(jìn)行識(shí)別。實(shí)驗(yàn)結(jié)果表明,提出的方法是有效的,可以有效地識(shí)別滾動(dòng)軸承的不同故障。 第6章、對(duì)本文的工作進(jìn)行了總結(jié),并對(duì)下一步要進(jìn)行的工作進(jìn)行了展望。
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2010
【分類號(hào)】：TH165.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 馬波,魏強(qiáng),徐春林,江志農(nóng);基于Hilbert變換的包絡(luò)分析及其在滾動(dòng)軸承故障診斷中的應(yīng)用[J];北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年06期

2 李智,陳祥初,劉政波;包絡(luò)分析及其在設(shè)備故障診斷中的應(yīng)用[J];測(cè)試技術(shù)學(xué)報(bào);2002年02期

3 王凱;安鋼;肖雨;;基于經(jīng)驗(yàn)?zāi)Ｊ椒纸夂蚖igner高階矩譜的軸承故障診斷[J];軸承;2009年04期

4 胡勁松,楊世錫;基于HHT的轉(zhuǎn)子橫向裂紋故障診斷[J];動(dòng)力工程;2004年02期

5 高紅斌;;滾動(dòng)軸承故障包絡(luò)信號(hào)分析及物理模擬[J];機(jī)械工程與自動(dòng)化;2008年02期

相關(guān)博士學(xué)位論文 前10條

1 胡勁松;面向旋轉(zhuǎn)機(jī)械故障診斷的經(jīng)驗(yàn)?zāi)B(tài)分解時(shí)頻分析方法及實(shí)驗(yàn)研究[D];浙江大學(xué);2003年

2 趙沖沖;基于支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷[D];西北工業(yè)大學(xué);2003年

3 焦衛(wèi)東;基于獨(dú)立分量分析的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];浙江大學(xué);2003年

4 郝志華;基于局域波法和盲源分離的故障診斷方法應(yīng)用研究[D];大連理工大學(xué);2005年

5 楊宇;基于EMD和支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];湖南大學(xué);2005年

6 蔡權(quán)偉;多分量信號(hào)的信號(hào)分量分離技術(shù)研究[D];電子科技大學(xué);2006年

7 潘明清;基于支持向量機(jī)的機(jī)械故障模式分類研究[D];浙江大學(xué);2005年

8 王勝春;自適應(yīng)時(shí)頻分析技術(shù)及其在故障診斷中的應(yīng)用研究[D];山東大學(xué);2007年

9 劉萬里;支持向量機(jī)中若干問題及應(yīng)用研究[D];西安電子科技大學(xué);2008年

10 任達(dá)千;基于局域均值分解的旋轉(zhuǎn)機(jī)械故障特征提取方法及系統(tǒng)研究[D];浙江大學(xué);2008年

相關(guān)碩士學(xué)位論文 前6條

1 李憶嵐;時(shí)頻分析理論及應(yīng)用研究[D];西北工業(yè)大學(xué);2003年

2 李著成;基于獨(dú)立分量分析盲源分離算法的研究[D];太原理工大學(xué);2006年

3 周宇;基于全信息技術(shù)的非平穩(wěn)信號(hào)的Wigner分布及應(yīng)用[D];鄭州大學(xué);2007年

4 曾峰;基于經(jīng)驗(yàn)?zāi)Ｊ椒纸獾男盘?hào)處理方法研究[D];河南大學(xué);2007年

5 段錦升;機(jī)械系統(tǒng)微弱故障信號(hào)檢測(cè)及特征提取方法研究[D];太原理工大學(xué);2007年

6 張?chǎng)?欠定盲源分離技術(shù)研究[D];西安電子科技大學(xué);2009年

本文編號(hào)：2720561