機(jī)械設(shè)備故障診斷中,由于機(jī)械設(shè)備本身結(jié)構(gòu)復(fù)雜,加之環(huán)境噪聲的干擾,導(dǎo)致反映設(shè)備運(yùn)行狀態(tài)的信息常常被強(qiáng)噪聲淹沒(méi)。尤其是在機(jī)械設(shè)備故障早期階段,提取微弱故障特征更加困難。此外,故障診斷所需信號(hào)主要由布置在結(jié)構(gòu)上的傳感器提供,傳感器如何布局對(duì)故障信號(hào)獲取及診斷結(jié)果至關(guān)重要。本文從振動(dòng)信號(hào)采集和處理的角度出發(fā),針對(duì)采集過(guò)程中測(cè)點(diǎn)優(yōu)化以及早期微弱故障的診斷兩方面展開(kāi)了研究,前者以泵體測(cè)點(diǎn)優(yōu)化布置為例,后者以軸承故障診斷為例。主要工作如下:以獲取用于故障診斷的最佳信息為目標(biāo),實(shí)現(xiàn)用有限數(shù)量的傳感器獲得大量信息的同時(shí)最大限度的降低冗余信息,采用模糊C均值聚類方法,實(shí)現(xiàn)傳感器優(yōu)化布置。首先,對(duì)結(jié)構(gòu)進(jìn)行模態(tài)分析,提取模態(tài)振型;其次,根據(jù)結(jié)構(gòu)各自由度在重要模態(tài)中振型的動(dòng)力相似性,用模糊C均值聚類對(duì)自由度進(jìn)行分類,從各聚類自由度中篩選出信息較豐富的自由度作為待選測(cè)點(diǎn),基于模態(tài)置信準(zhǔn)則（modal assurance criterion,MAC）建立目標(biāo)函數(shù),采用遺傳算法進(jìn)行尋優(yōu),實(shí)現(xiàn)傳感器位置的優(yōu)化;最后,由模態(tài)矩陣奇異值比、Fisher信息準(zhǔn)則、MAC準(zhǔn)則三個(gè)評(píng)價(jià)準(zhǔn)則構(gòu)成綜合評(píng)價(jià)指標(biāo),對(duì)不同的布置結(jié)果進(jìn)行... 

【文章來(lái)源】：蘭州交通大學(xué)甘肅省

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外相關(guān)研究進(jìn)展
        1.2.1 機(jī)械故障診斷技術(shù)研究現(xiàn)狀
        1.2.2 傳感器優(yōu)化布置研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
2 振動(dòng)信號(hào)采集和信號(hào)處理相關(guān)理論
    2.1 傳感器優(yōu)化布置理論
        2.1.1 傳感器優(yōu)化布置的數(shù)學(xué)模型
        2.1.2 傳感器優(yōu)化布置方法
        2.1.3 傳感器優(yōu)化布置準(zhǔn)則
    2.2 工程信號(hào)分析基礎(chǔ)
        2.2.1 信號(hào)的時(shí)域分析
        2.2.2 信號(hào)的頻域分析
        2.2.3 信號(hào)的時(shí)頻分析
    2.3 本章小結(jié)
3 基于模糊C均值聚類的傳感器優(yōu)化布置
    3.1 引言
    3.2 模糊C均值聚類算法
    3.3 傳感器聚類優(yōu)化布置方法設(shè)計(jì)
        3.3.1 傳感器位置優(yōu)化
        3.3.2 傳感器數(shù)量?jī)?yōu)化
    3.4 數(shù)值算例
        3.4.1 算例1
        3.4.2 算例2
    3.5 本章小結(jié)
4 基于改進(jìn)SVD及參數(shù)優(yōu)化VMD的故障診斷方法
    4.1 引言
    4.2 奇異值降噪基本原理
    4.3 基于改進(jìn)SVD及參數(shù)優(yōu)化VMD的故障特征提取
        4.3.1 重構(gòu)矩陣有效秩階數(shù)的確定
        4.3.2 基于合成峭度的VMD參數(shù)優(yōu)化
        4.3.3 算法步驟及診斷流程
    4.4 仿真信號(hào)分析
        4.4.1 改進(jìn)奇異值降噪效果分析
        4.4.2 仿真信號(hào)降噪分析
        4.4.3 VMD參數(shù)優(yōu)化
        4.4.4 IMF選取及包絡(luò)譜分析
    4.5 實(shí)驗(yàn)驗(yàn)證及分析
        4.5.1 內(nèi)圈故障分析
        4.5.2 外圈故障分析
    4.6 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于SA-EMD-PNN的柱塞泵故障診斷方法研究[J]. 杜振東,趙建民,李海平,張?chǎng)?  振動(dòng)與沖擊. 2019(08)
[2]基于猴群算法的斜拉橋測(cè)點(diǎn)優(yōu)化布置研究[J]. 楊康,李鐸,欒守領(lǐng).  石家莊鐵道大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[3]基于弗雷歇距離的道岔故障診斷方法[J]. 黃世澤,陳威,張帆,董德存.  同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(12)
[4]基于VMD的滾動(dòng)軸承早期故障診斷方法[J]. 昝濤,龐兆亮,王民,高相勝.  北京工業(yè)大學(xué)學(xué)報(bào). 2019(02)
[5]基于信息熵優(yōu)化變分模態(tài)分解的滾動(dòng)軸承故障特征提取[J]. 李華,伍星,劉韜,陳慶.  振動(dòng)與沖擊. 2018(23)
[6]面向多類型傳感器優(yōu)化布置的結(jié)構(gòu)響應(yīng)重構(gòu)[J]. 董康立,殷紅,彭珍瑞.  控制理論與應(yīng)用. 2018(09)
[7]基于熵值法的目標(biāo)模態(tài)最優(yōu)數(shù)目確定新方法[J]. 張楠,彭珍瑞,殷紅,董海棠,董小圓.  鐵道科學(xué)與工程學(xué)報(bào). 2018(02)
[8]傳感器布置中Fisher信息矩陣的協(xié)方差修正[J]. 董康立,馬靜靜,殷紅,彭珍瑞.  信息與控制. 2018(01)
[9]高層建筑原型實(shí)測(cè)測(cè)點(diǎn)優(yōu)化布置方法研究[J]. 李正農(nóng),朱愛(ài)民.  振動(dòng)與沖擊. 2017(23)
[10]輸電鐵塔雙軸加速度傳感器優(yōu)化布置[J]. 王璋奇,王劍.  儀器儀表學(xué)報(bào). 2017(09)

碩士論文
[1]基于局部線性嵌入的齒輪箱振動(dòng)測(cè)點(diǎn)優(yōu)化研究[D]. 劉彪.大連理工大學(xué) 2009



本文編號(hào)：3190639