滾動(dòng)軸承是各種旋轉(zhuǎn)機(jī)械中應(yīng)用最為廣泛的一種通用機(jī)械部件,也是確保機(jī)械設(shè)備功能和性能的關(guān)鍵部件。由于滾動(dòng)軸承的結(jié)構(gòu)特點(diǎn)及工作條件惡劣,極易造成損壞,對(duì)滾動(dòng)軸承進(jìn)行故障診斷與狀態(tài)監(jiān)測(cè)意義重大。故障軸承振動(dòng)信號(hào)呈現(xiàn)出較強(qiáng)的非高斯、非線性、非平穩(wěn)特性,使用傳統(tǒng)的基于線性平穩(wěn)假設(shè)的信號(hào)處理方法處理效果不理想。高階統(tǒng)計(jì)量（Higher-Order Statistic, HOS）是最近十幾年發(fā)展較快的一種現(xiàn)代信號(hào)處理方法,由于其出色的噪聲消除性能及相位保留能力,是處理非線性、非高斯、非平穩(wěn)、非最小相位、非因果信號(hào)的有效手段,被廣泛應(yīng)用于雷達(dá)、聲納、生物醫(yī)學(xué)、地球物理、盲信號(hào)處理、盲系統(tǒng)辨識(shí)、機(jī)械故障診斷等眾多領(lǐng)域。本文對(duì)雙譜、三譜、雙相干譜、雙譜切片、Hilbert雙譜、高階時(shí)頻譜的定義、性質(zhì)、估計(jì)方法及物理意義進(jìn)行了研究；討論了信號(hào)幅值和相位重構(gòu)的意義及常用方法,使用基于雙譜的最小二乘法對(duì)軸承振動(dòng)信號(hào)進(jìn)行相位和幅值重構(gòu)分析；討論了滾動(dòng)軸承故障機(jī)理及振動(dòng)模型,對(duì)滾動(dòng)軸承振動(dòng)信號(hào)在高頻共振處帶通濾波,對(duì)濾波后的信號(hào)進(jìn)行雙譜分析并與傳統(tǒng)的雙譜分析結(jié)果進(jìn)行了對(duì)比,結(jié)果表明該方法在消除噪聲、突出故障特征方面... 

【文章頁(yè)數(shù)】：101 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題的背景和意義
    1.2 HOS理論國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 HOS理論的發(fā)展
        1.2.2 HOS理論國(guó)外研究和應(yīng)用現(xiàn)狀
        1.2.3 HOS理論國(guó)內(nèi)研究和應(yīng)用現(xiàn)狀
    1.3 滾動(dòng)軸承故障診斷研究現(xiàn)狀
        1.3.1 滾動(dòng)軸承振動(dòng)特征
        1.3.2 軸承故障診斷技術(shù)的發(fā)展
        1.3.3 基于現(xiàn)代信號(hào)處理方法的滾動(dòng)軸承故障診斷
        1.3.4 分類及優(yōu)化算法在軸承故障診斷中的應(yīng)用
    1.4 本文內(nèi)容
第二章 高階統(tǒng)計(jì)量理論
    2.1 序言
    2.2 高階統(tǒng)計(jì)量定義
        2.2.1 特征函數(shù)與矩
        2.2.2 累積量的矩表達(dá)
        2.2.3 高階譜
    2.3 高階統(tǒng)計(jì)量性質(zhì)
        2.3.1 高斯信號(hào)的高階統(tǒng)計(jì)量
        2.3.2 高階累積量的性質(zhì)
    2.4 高階譜估計(jì)方法
        2.4.1 非參數(shù)雙譜估計(jì)
        2.4.2 參數(shù)法雙譜估計(jì)
    2.5 雙譜物理意義
    2.6 本章小結(jié)
第三章 基于雙譜的信號(hào)重構(gòu)方法研究
    3.1 引言
    3.2 基于雙譜的信號(hào)相位重構(gòu)算法研究
        3.2.1 基于雙譜的信號(hào)相位重構(gòu)原理
        3.2.2 BMU和Lii-Rosenblatt法相位重構(gòu)算法
        3.2.3 基于雙譜的最小二乘相位重構(gòu)算法
    3.3 基于雙譜的信號(hào)幅值重構(gòu)算法研究
        3.3.1 基于Bartelt算法的信號(hào)幅值重構(gòu)
        3.3.2 基于雙譜的最小二乘法幅值重構(gòu)算法
    3.4 滾動(dòng)軸承故障信號(hào)的雙譜重構(gòu)分析
    3.5 本章小結(jié)
第四章 滾動(dòng)軸承振動(dòng)信號(hào)雙譜分析方法
    4.1 引言
    4.2 滾動(dòng)軸承振動(dòng)信號(hào)雙譜分析方法研究
    4.3 滾動(dòng)軸承振動(dòng)信號(hào)11/2維譜分析
        4.3.1 11/2維譜定義
        4.3.2 滾動(dòng)軸承振動(dòng)信號(hào)雙譜對(duì)角切片分析
        4.3.3 滾動(dòng)軸承振動(dòng)信號(hào)雙譜水平切片分析
        4.3.4 滾動(dòng)軸承振動(dòng)信號(hào)積分雙譜分析
    4.4 滾動(dòng)軸承振動(dòng)信號(hào)Hilbert雙譜分析
        4.4.1 解調(diào)分析方法概述
        4.4.2 Hilbert雙譜分析方法
        4.4.3 滾動(dòng)軸承振動(dòng)信號(hào)Hilbert雙譜分析
    4.5 滾動(dòng)軸承振動(dòng)信號(hào)高階時(shí)頻分析
        4.5.1 高階時(shí)頻分布理論
        4.5.2 仿真信號(hào)高階時(shí)頻分析
        4.5.3 滾動(dòng)軸承振動(dòng)信號(hào)高階時(shí)頻分析
        4.5.4 滾動(dòng)軸承振動(dòng)信號(hào)高階時(shí)頻切片分析
    4.6 本章小結(jié)
第五章 基于雙譜和支持向量機(jī)的軸承故障診斷
    5.1 引言
    5.2 基于雙譜的滾動(dòng)軸承特征提取研究
        5.2.1 滾動(dòng)軸承振動(dòng)信號(hào)雙譜峰值信息特征提取
        5.2.2 滾動(dòng)軸承振動(dòng)信號(hào)雙相干譜特征提取
        5.2.3 滾動(dòng)軸承振動(dòng)信號(hào)ARMA模型參數(shù)特征提取
    5.3 支持向量機(jī)理論
        5.3.1 統(tǒng)計(jì)學(xué)習(xí)系理論簡(jiǎn)介
        5.3.2 二分類支持向量機(jī)
        5.3.3 多分類支持向量機(jī)
    5.4 粒子群優(yōu)化的支持向量機(jī)
        5.4.1 優(yōu)化問(wèn)題的一般描述
        5.4.2 群體智能優(yōu)化算法
        5.4.3 微粒群算法的社會(huì)行為分析
        5.4.4 粒子群優(yōu)化支持向量機(jī)
        5.4.5 PSO-SVM應(yīng)用于滾動(dòng)軸承分類
    5.5 基于HOS的滾動(dòng)軸承故障診斷GUI工具包實(shí)現(xiàn)
        5.5.1 MATLAB GUIDE簡(jiǎn)介
        5.5.2 滾動(dòng)軸承振動(dòng)信號(hào)HOS分析工具包GUI結(jié)構(gòu)
    5.6 實(shí)驗(yàn)分析
        5.6.1 實(shí)驗(yàn)平臺(tái)簡(jiǎn)介
        5.6.2 算法驗(yàn)證
    5.7 本章小結(jié)
第六章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 主要改進(jìn)工作
    6.3 研究展望
致謝
參考文獻(xiàn)
附錄A 攻讀碩士期間發(fā)表學(xué)術(shù)論文



本文編號(hào)：3676143