本文關(guān)鍵詞：AMD和EMD方法在滾動軸承故障診斷中的應用研究

  更多相關(guān)文章： 軸承故障診斷 AMD EMD 希爾伯特-黃變換 模態(tài)混疊 相近頻率 自適應隨機共振

【摘要】：旋轉(zhuǎn)機械設(shè)備在工業(yè)生產(chǎn)中占有非常重要的地位,其中滾動軸承是旋轉(zhuǎn)機械中應用最為普遍的部件,其運行狀態(tài)直接影響到整臺機器的性能。因此對滾動軸承的故障診斷具有重要現(xiàn)實意義。本文主要針對EMD方法的局限性和不足進行了分析研究,結(jié)合AMD方法和雙穩(wěn)隨機共振等理論對其進行改進,提出的新算法更有利于機械故障特征的提取,并成功應用于滾動軸承的故障診斷。本文提出一種基于AMD旋轉(zhuǎn)機械故障特征的提取方法。對于可預知故障特征頻率的旋轉(zhuǎn)機械的故障診斷,可利用AMD方法提取機械振動信號中故障特征頻率所在頻段的信號,并求該段信號的頻譜,若頻譜中含有故障特征頻率,則說明機械振動信號中存在該故障。通過對滾動軸承故障信號和轉(zhuǎn)子不對中故障數(shù)據(jù)的分析處理,并與僅用EMD方法的處理結(jié)果進行對比,證明了AMD方法的有效性,且比EMD方法更快速、準確。針對在經(jīng)驗模態(tài)分解篩選過程中間斷信號引起的模態(tài)混疊現(xiàn)象,提出一種基于AMD的經(jīng)驗模態(tài)分解模態(tài)混疊消除新方法。利用第1個有效固有模態(tài)函數(shù)的瞬時頻率特性得到其頻率成分及二分頻率,且能實現(xiàn)對間斷信號的定位,然后再采用AMD方法分離出間斷信號,再對處理后的信號進行EMD分解,從而消除該間斷信號的影響。仿真分析和應用實例的結(jié)果證明,該方法可以有效消除由間斷信號引起的模態(tài)混疊現(xiàn)象。針對希爾伯特-黃變換方法不能識別具有相近頻率的非平穩(wěn)信號的問題,提出一種AMD與HHT結(jié)合的非平穩(wěn)信號緊密間隔頻率檢測新方法。該方法首先利用HHT變換得到非平穩(wěn)信號的頻率成分,再用AMD方法依次提取出各個頻率成分的信號進行AMD分解,分別判斷是否有頻率混疊的現(xiàn)象,并將存在混疊頻率的信號分解為單頻率信號分量,實現(xiàn)全部特征頻率的檢測。仿真及應用實例結(jié)果表明,該方法解決了HHT方法不能有效分離兩個相近頻率信號的問題,確保能夠準確分解信號數(shù)據(jù)并且分解精度有所提高。本文提出一種基于自適應隨機共振和AMD-EEMD的滾動軸承故障診斷新方法。首先采用粒子群算法對雙穩(wěn)系統(tǒng)進行多參數(shù)并行尋優(yōu),得到最佳的系統(tǒng)結(jié)構(gòu)參數(shù);然后對含噪聲的信號進行隨機共振輸出,使信號得到降噪和加強;再利用AMD方法對隨機共振輸出的信號進行截取;最后通過EEMD方法對AMD截取的信號進行抗混疊分解。仿真結(jié)果表明,優(yōu)化后的隨機共振系統(tǒng)能有效提高信號的信噪比,信號經(jīng)過AMD截取后EEMD分解的有效分量明顯減少,從而改善了EEMD的分解結(jié)果,增強了分量的頻率幅值。通過對滾動軸承故障信號特征的提取證明了該方法有良好的效果。最后利用LabVIEW軟件開發(fā)平臺設(shè)計了滾動軸承故障診斷系統(tǒng),其中包含時域分析、頻譜分析、AMD分解和EMD分解等模塊,并對各個模塊進行了介紹。通過對軸承故障信號的分析處理,驗證了該故障診斷系統(tǒng)能夠?qū)崿F(xiàn)對故障的診斷識別。
【關(guān)鍵詞】：軸承故障診斷 AMD EMD 希爾伯特-黃變換 模態(tài)混疊 相近頻率 自適應隨機共振
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TH133.33
【目錄】：

• 摘要5-7
• ABSTRACT7-11
• 第1章 緒論11-17
• 1.1 課題研究背景11-12
• 1.2 課題研究現(xiàn)狀12-15
• 1.2.1 滾動軸承故障診斷的現(xiàn)狀12-13
• 1.2.2 滾動軸承常用故障診斷方法13-14
• 1.2.3 信號處理方法研究進展14-15
• 1.3 本文的主要研究內(nèi)容和結(jié)構(gòu)15-17
• 第2章 基于AMD的旋轉(zhuǎn)機械故障特征提取方法研究17-27
• 2.1 引言17
• 2.2 AMD方法的原理及步驟17-19
• 2.3 基于AMD的旋轉(zhuǎn)機械故障診斷方法19-21
• 2.3.1 AMD信號提取算法19-20
• 2.3.2 基于AMD的故障診斷方法20-21
• 2.4 故障特征提取實例21-26
• 2.4.1 滾動軸承故障特征提取實例21-24
• 2.4.2 轉(zhuǎn)子不對中故障特征提取實例24-26
• 2.5 本章小結(jié)26-27
• 第3章 基于AMD的經(jīng)驗模態(tài)分解模態(tài)混疊消除方法27-35
• 3.1 引言27
• 3.2 EMD理論相關(guān)概念27-30
• 3.2.1 EMD方法分解過程27-28
• 3.2.2 EMD方法有關(guān)問題28-30
• 3.3 AMD-EMD模態(tài)混疊消除方法30-31
• 3.4 仿真實驗應用實例31-33
• 3.5 應用實例33-34
• 3.6 本章小結(jié)34-35
• 第4章 基于AMD-HHT的非平穩(wěn)信號緊密間隔頻率檢測方法35-45
• 4.1 引言35
• 4.2 AMD-HHT算法的原理及步驟35-38
• 4.2.1 希爾伯特-黃變換35-37
• 4.2.2 信號提取算法37-38
• 4.3 仿真實驗38-43
• 4.4 應用實例43-44
• 4.5 本章小結(jié)44-45
• 第5章 基于自適應隨機共振和AMD-EEMD的滾動軸承故障診斷45-56
• 5.1 引言45
• 5.2 自適應隨機共振45-49
• 5.2.1 雙穩(wěn)隨機共振45-46
• 5.2.2 粒子群算法概述46-47
• 5.2.3 基于粒子群優(yōu)化算法的雙穩(wěn)隨機共振47-49
• 5.3 AMD截取信號的EEMD方法49-50
• 5.4 仿真實驗50-52
• 5.5 滾動軸承應用實例52-55
• 5.6 本章小結(jié)55-56
• 第6章 基于LABVIEW的滾動軸承故障診斷系統(tǒng)開發(fā)56-64
• 6.1 引言56
• 6.2 LABVIEW開發(fā)平臺簡介56-57
• 6.3 離線故障診斷系統(tǒng)設(shè)計57-62
• 6.3.1 時域分析模塊58-59
• 6.3.2 頻譜分析模塊59
• 6.3.3 AMD分解模塊59-60
• 6.3.4 EMD分解模塊60-61
• 6.3.5 特征頻率與故障識別模塊61-62
• 6.4 本章小結(jié)62-64
• 結(jié)論64-66
• 參考文獻66-71
• 攻讀碩士學位期間承擔的科研任務與主要成果71-72
• 致謝72

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

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

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

3 鄧長春;;聲發(fā)射法在滾動軸承故障識別中的應用[J];試驗技術(shù)與試驗機;2002年Z2期

4 任昭蓉;滾動軸承故障的小波診斷法[J];機械制造與自動化;2004年06期

5 陸爽,田野;滾動軸承故障特征識別的時頻分析研究[J];機床與液壓;2005年06期

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

7 程光友;;時域指標在滾動軸承故障診斷中的應用[J];中國設(shè)備工程;2005年12期

8 陳洪軍;趙新澤;王延軍;;滾動軸承故障試驗臺的理論建模分析[J];四川理工學院學報(自然科學版);2005年04期

9 李崇晟;滾動軸承故障的非線性診斷方法[J];軸承;2005年05期

10 趙春華;嚴新平;趙新澤;袁成清;高虹亮;;滾動軸承故障的可拓物元診斷方法[J];潤滑與密封;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張益純;;常見滾動軸承故障診斷的技術(shù)探討[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學術(shù)會議論文集[C];2000年

2 劉玉林;;貨車滾動軸承故障不分解診斷技術(shù)參數(shù)選擇與優(yōu)化探討[A];擴大鐵路對外開放、確保重點物資運輸——中國科協(xié)2005年學術(shù)年會鐵道分會場暨中國鐵道學會學術(shù)年會和粵海通道運營管理學術(shù)研討會論文集[C];2005年

3 楊積忠;左立建;;滾動軸承故障診斷實例[A];設(shè)備監(jiān)測與診斷技術(shù)及其應用——第十二屆全國設(shè)備監(jiān)測與診斷學術(shù)會議論文集[C];2005年

4 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應用研究[A];第九屆全國振動理論及應用學術(shù)會議論文摘要集[C];2007年

5 李放寧;;峰值能量在滾動軸承故障診斷中的應用[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學術(shù)會議論文集[C];2000年

6 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應用研究[A];第九屆全國振動理論及應用學術(shù)會議論文集[C];2007年

7 張九軍;;常見滾動軸承故障的簡易診斷[A];2008年全國煉鐵生產(chǎn)技術(shù)會議暨煉鐵年會文集（上冊）[C];2008年

8 李興林;;滾動軸承故障診斷技術(shù)現(xiàn)狀及發(fā)展[A];2009年全國青年摩擦學學術(shù)會議論文集[C];2009年

9 唐海峰;陳進;董廣明;;信號稀疏分解方法在滾動軸承故障診斷中的應用[A];第十二屆全國設(shè)備故障診斷學術(shù)會議論文集[C];2010年

10 高耀智;;高階統(tǒng)計量與小波分析相結(jié)合在滾動軸承故障診斷中的應用[A];2009年全國青年摩擦學學術(shù)會議論文集[C];2009年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 郝騰飛;航空發(fā)動機滾動軸承故障的核方法智能識別技術(shù)研究[D];南京航空航天大學;2014年

2 廖強;約束獨立分量和多小波分析在滾動軸承故障診斷中的應用[D];電子科技大學;2016年

3 曾鳴;基于凸包的模式識別方法及其在滾動軸承故障診斷中的應用[D];湖南大學;2016年

4 于江林;滾動軸承故障的非接觸聲學檢測信號特性及重構(gòu)技術(shù)研究[D];大慶石油學院;2009年

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

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

7 趙協(xié)廣;基于小波變換和經(jīng)驗模態(tài)分解的滾動軸承故障診斷方法研究[D];山東科技大學;2009年

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

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

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

中國碩士學位論文全文數(shù)據(jù)庫 前10條

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

2 卜勇霞;基于時頻分析方法的滾動軸承故障診斷研究[D];昆明理工大學;2015年

3 馬寶;基于KICA和LSSVM的滾動軸承故障監(jiān)測及診斷方法[D];昆明理工大學;2015年

4 王德麗;基于改進HHT與SVM的滾動軸承故障診斷方法研究[D];北京交通大學;2016年

5 邵海賀;基于EEMD和最小二乘支持向量機的滾動軸承故障診斷方法研究[D];長春工業(yè)大學;2016年

6 張磊;滾動軸承故障程度和工況不敏感智能診斷方法研究[D];華東交通大學;2016年

7 胡猛;基于局部均值分解的滾動軸承故障診斷方法研究[D];燕山大學;2016年

8 蘇翠嬌;AMD和EMD方法在滾動軸承故障診斷中的應用研究[D];燕山大學;2016年

9 王騰超;基于振動監(jiān)測的風電機組滾動軸承故障診斷應用研究[D];燕山大學;2016年

10 李亞超;基于VMD的滾動軸承故障診斷方法研究[D];石家莊鐵道大學;2016年

，

本文編號：645205