滾動(dòng)軸承因其運(yùn)行精度高,價(jià)格低廉等眾多優(yōu)點(diǎn)而被廣泛應(yīng)用于大型機(jī)械,尤其是旋轉(zhuǎn)機(jī)械中。滾動(dòng)軸承的運(yùn)行狀態(tài)關(guān)乎整個(gè)機(jī)械系統(tǒng)運(yùn)行的安全與可靠。因此對(duì)滾動(dòng)軸承的故障診斷以及狀態(tài)監(jiān)測的研究十分必要。目前,眾多學(xué)者提出了多種特征提取方法,然而并不是所有的特征都是有效的,或者是對(duì)于故障模式識(shí)別有效的特征并不適用于故障的狀態(tài)評(píng)估。選擇特征的有效性直接關(guān)乎故障識(shí)別以及狀態(tài)評(píng)估的準(zhǔn)確性。本文以滾動(dòng)軸承為研究對(duì)象,應(yīng)用現(xiàn)代信號(hào)處理技術(shù),對(duì)滾動(dòng)軸承的振動(dòng)信號(hào)進(jìn)行特征提取,并對(duì)故障特征在故障識(shí)別以及狀態(tài)評(píng)估中的有效性給出評(píng)價(jià)指標(biāo),本文研究內(nèi)容如下:(1)針對(duì)滾動(dòng)軸承振動(dòng)信號(hào)的特點(diǎn),利用目前已經(jīng)廣泛應(yīng)用于滾動(dòng)軸承故障診斷領(lǐng)域的特征提取方法,從時(shí)域、頻域、時(shí)頻域以及熵特征等多特征域?qū)φ駝?dòng)信號(hào)進(jìn)行特征提取。相較于傳統(tǒng)的從單一域來進(jìn)行滾動(dòng)軸承故障診斷,從多個(gè)域提取故障特征,能夠充分利用特征之間的差異性和互補(bǔ)性,更加精準(zhǔn)且全面的反映出軸承的故障信息。(2)對(duì)故障識(shí)別特征的特性進(jìn)行分析。采用距離評(píng)估算法評(píng)價(jià)特征對(duì)故障模式的敏感性�；贑WRU實(shí)驗(yàn)數(shù)據(jù)對(duì)提取的候選特征進(jìn)行敏感性分析,選擇出對(duì)于故障較為敏感的特征,如頻域統(tǒng)計(jì)特征平均頻率、重心頻率以及多尺度樣本熵等,并對(duì)敏感特征進(jìn)行分析。(3)針對(duì)目前提取到的故障特征中,較困難地通過單一特征進(jìn)行精準(zhǔn)的故障模式識(shí)別,本文提出一種基于歐式距離的最大類間分離(MCS)的方法,對(duì)故障特征向量進(jìn)行選擇。該方法能夠有效的選取在特征空間中具有良好類內(nèi)聚集度和類間分離度的特征向量,達(dá)到較好的識(shí)別精度。針對(duì)不同工況下所選擇的特征向量不同,通過統(tǒng)計(jì)分析選取一種特征既能夠有效識(shí)別故障,對(duì)于不同工況又具有良好泛化性的特征。通過MFPT實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證了MCS方法的有效性以及所選擇特征的泛化性。(4)對(duì)狀態(tài)評(píng)估特征進(jìn)行特性分析。提出從區(qū)分性和趨勢性兩個(gè)方面對(duì)故障特征進(jìn)行有效性的評(píng)價(jià)。以CWRU內(nèi)圈故障數(shù)據(jù)為例,對(duì)故障特征在不同工況下對(duì)故障程度的趨勢性以及區(qū)分性進(jìn)行評(píng)價(jià)分析,評(píng)價(jià)結(jié)果表明,有效值與標(biāo)準(zhǔn)差,平均頻率與頻域特征13f,以及小波包節(jié)點(diǎn)能量百分比對(duì)故障程度具有良好的區(qū)分性與趨勢性。考慮到實(shí)際工程中,軸承故障程度變化過程更為復(fù)雜,采用IMS全壽命軸承數(shù)據(jù),以外圈故障的全壽命數(shù)據(jù)為例,對(duì)全壽命周期中特征的區(qū)分性和趨勢性進(jìn)行評(píng)價(jià),對(duì)特征的變化趨勢進(jìn)行分析,驗(yàn)證了評(píng)價(jià)指標(biāo)的有效性。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TH133.33
【部分圖文】：

前滾動(dòng)軸承故障診斷中所涉及到的故障特征提取、特征選擇以及智能故障識(shí)別等方面的研究現(xiàn)狀。第 2 章主要介紹了針對(duì)滾動(dòng)軸承振動(dòng)信號(hào)所采用的特征提取方法，主要從時(shí)域、頻域、時(shí)頻域以及復(fù)雜度熵等多個(gè)域提取故障特征，以期從更加全面的角度去發(fā)掘振動(dòng)信號(hào)中所隱藏的故障信息。第 3 章主要介紹了故障特征在故障識(shí)別中的特性。提出基于距離評(píng)估對(duì)故障識(shí)別特征的區(qū)分性進(jìn)行評(píng)估，篩選出對(duì)于故障模式敏感的特征；并提出基于歐式距離的特征選擇方法—最大類間分離法（MCS）完成對(duì)故障特征向量的選擇。將 MCS 方法與 LS_SVM 相結(jié)合完成故障模式識(shí)別。第 4 章主要介紹了故障特征在狀態(tài)評(píng)估中的特性。提出從區(qū)分性和趨勢性兩個(gè)方面完成對(duì)故障特征對(duì)于故障程度的敏感性評(píng)估，并對(duì)優(yōu)選出來的特征進(jìn)行分析。同時(shí)利用最大類間分離法（MCS）和最小二乘支持向量機(jī)完成對(duì)故障程度的評(píng)估和識(shí)別。論文結(jié)構(gòu)如圖 1-1 所示。

c）滾動(dòng)體故障節(jié)點(diǎn)能量分布 d）外圈故障節(jié)點(diǎn)能量分布圖 2-1 滾動(dòng)軸承不同狀態(tài)下的能量分布2.3.3.2 經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒ǎ‥mpirical Mode Decomposition，EMD）經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒ǎ‥mpirical Mode Decomposition，EMD）是另一種處理時(shí)變非平穩(wěn)信號(hào)的一種時(shí)頻域的方法，本質(zhì)是對(duì)振動(dòng)信號(hào)進(jìn)行平穩(wěn)化處理的一個(gè)過程。其基本思想是將原信號(hào)通過經(jīng)驗(yàn)?zāi)Ｊ椒纸獾玫揭幌盗泄逃心B(tài)函數(shù)（IntrinsicMode Function，IMF）之和，得到有限多個(gè)固有模態(tài)函數(shù)（IMFs），對(duì)每個(gè) IMF通過解析信號(hào)的相位求導(dǎo)定義計(jì)算出有意義的瞬時(shí)頻率及瞬時(shí)幅值，得到原時(shí)間序列的希爾伯特時(shí)頻譜。其中每個(gè) IMF 必須滿足以下兩點(diǎn)：第一，對(duì)于所有數(shù)據(jù)的極點(diǎn)數(shù)以及零點(diǎn)數(shù)相同或最多相差不超過一個(gè)；第二，上下包絡(luò)線應(yīng)關(guān)于時(shí)間軸的局部對(duì)稱，換言之就是保證局部的極大值點(diǎn)與局部的極小值點(diǎn)的平均值為零。EMD 方法的基本原理如下：（1）對(duì)于原始信號(hào) x (t )，找到其局部的極大值和極小值。將所有的局部極大值通過三次樣條插值函數(shù)插值形成數(shù)據(jù)的上包絡(luò)，同理，取所有的局部極小值

16圖 2-2 基于 EMD 與 Lempel_Ziv 復(fù)雜度特征提取方法于近似熵所提出的一種改進(jìn)的復(fù)雜度度量方法，有效而導(dǎo)致的計(jì)算結(jié)果不同的問題，具體的計(jì)算過程如間序列1 2{ } { , ,... }i NX x x x,給定嵌入維數(shù) m，對(duì)原始 維向量( ) { ( ), ( 1),..., ( 1)}, 1,2,...,i x i x i x i m i N m( ), ( )]mi X j 來表示 ( )mX i 與 ( )mX j 二者之間元素差值的0,1,.... 1[ ( ), ( )] (| ( ) ( ) |)maxm mk md X i X j x i k x i k

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳軍;郝剛;鄧超;趙明;;基于模糊C-均值聚類的軸承性能衰退評(píng)估方法[J];計(jì)算機(jī)集成制造系統(tǒng);2015年04期

2 周浩;賈民平;;基于EMD和峭度的Hilbert包絡(luò)解調(diào)在滾動(dòng)軸承故障診斷中的應(yīng)用分析[J];機(jī)電工程;2014年09期

3 肖順根;宋萌萌;;基于小波包能量神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法[J];機(jī)械強(qiáng)度;2014年03期

4 張超;陳建軍;;基于LMD和Lempel-Ziv指標(biāo)的滾動(dòng)軸承故障損傷程度研究[J];振動(dòng)與沖擊;2012年16期

5 康守強(qiáng);王玉靜;楊廣學(xué);宋立新;V.I.MIKULOVICH;;基于經(jīng)驗(yàn)?zāi)B(tài)分解和超球多類支持向量機(jī)的滾動(dòng)軸承故障診斷方法[J];中國電機(jī)工程學(xué)報(bào);2011年14期

6 竇東陽;趙英凱;;基于EMD和Lempel-Ziv指標(biāo)的滾動(dòng)軸承損傷程度識(shí)別研究[J];振動(dòng)與沖擊;2010年03期

7 陸爽;;基于奇異值分解和支持向量機(jī)的滾動(dòng)軸承故障模式識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2007年04期

8 于德介;陳淼峰;程軍圣;楊宇;;一種基于經(jīng)驗(yàn)?zāi)Ｊ椒纸馀c支持向量機(jī)的轉(zhuǎn)子故障診斷方法[J];中國電機(jī)工程學(xué)報(bào);2006年16期

9 程軍圣,于德介,楊宇;基于SVM和EMD包絡(luò)譜的滾動(dòng)軸承故障診斷方法[J];系統(tǒng)工程理論與實(shí)踐;2005年09期

10 李輝,鄭海起,唐力偉;基于EMD和包絡(luò)譜分析的軸承故障診斷研究[J];河北工業(yè)大學(xué)學(xué)報(bào);2005年01期

相關(guān)會(huì)議論文 前1條

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

相關(guān)博士學(xué)位論文 前2條

1 鄭近德;局部特征尺度分解方法及其在機(jī)械故障診斷中的應(yīng)用研究[D];湖南大學(xué);2014年

2 朱可恒;滾動(dòng)軸承振動(dòng)信號(hào)特征提取及診斷方法研究[D];大連理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前1條

1 楊慧斌;滾動(dòng)軸承故障診斷中的特征提取與選擇方法[D];湖南工業(yè)大學(xué);2011年

本文編號(hào)：2830362