日常生活中為了保證軌道車輛的正常運(yùn)行與工作,對(duì)軌道車輛的故障檢測就顯得尤為重要,各類的檢測方法也得到了發(fā)展與優(yōu)化�，F(xiàn)在主流的故障監(jiān)測方式包括有損和無損檢測兩種,聲發(fā)射（AE）檢測屬于無損監(jiān)測方式的主要應(yīng)用之一,首先聲發(fā)射信號(hào)是內(nèi)源性的,在受到應(yīng)力積攢到一定程度時(shí),就會(huì)產(chǎn)生聲發(fā)射現(xiàn)象。之所以應(yīng)用廣泛是因?yàn)锳E技術(shù)在進(jìn)行監(jiān)測時(shí),不會(huì)使用外部應(yīng)力對(duì)監(jiān)測部位造成傷害這樣保證了監(jiān)測部位的安全性,也是車軸損傷程度使用AE監(jiān)測的好處,因此使用AE數(shù)據(jù)對(duì)軌道車輛進(jìn)行損傷程度探測也成為了重要的課題。本文主要通過采集軌道車輛的車軸的AE信號(hào),研究從出現(xiàn)細(xì)小裂隙后,擴(kuò)展直至完全裂開的變化情況,對(duì)采集來的AE數(shù)據(jù)進(jìn)行消除噪音的操作,剔除敲擊等噪音數(shù)據(jù)類型,再對(duì)AE數(shù)據(jù)進(jìn)行處理,識(shí)別AE數(shù)據(jù)處于的裂隙以及損傷的完整過程。另外,本文提出了在線與離線相結(jié)合的分析方法,分別提取AE數(shù)據(jù)的時(shí)域參數(shù)以及功率譜熵參數(shù)對(duì)AE波形數(shù)據(jù)進(jìn)行描述。由于聲發(fā)射信號(hào)的數(shù)據(jù)規(guī)模宏大,為了快速準(zhǔn)確的分析數(shù)據(jù),本文引入數(shù)據(jù)流和分布式的概念。既能保證實(shí)時(shí)快速處理數(shù)據(jù),又能對(duì)數(shù)據(jù)進(jìn)行準(zhǔn)確分析,不丟失數(shù)據(jù)項(xiàng)。聲發(fā)射數(shù)據(jù)通過改進(jìn)的滑動(dòng)窗口,對(duì)數(shù)據(jù)項(xiàng)... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
引言
1 流式計(jì)算與聲發(fā)射
    1.1 流式計(jì)算框架
        1.1.1 相關(guān)概念
        1.1.2 流式計(jì)算分析方法與框架
    1.2 聲發(fā)射現(xiàn)象及原理
        1.2.1 聲發(fā)射現(xiàn)象
        1.2.2 聲發(fā)射現(xiàn)象應(yīng)用
2 故障檢測——轉(zhuǎn)軸
    2.1 故障檢測概述
    2.2 故障檢測研究意義
    2.3 故障檢測研究現(xiàn)狀
    2.4 故障檢測框架
3 聲發(fā)射信號(hào)時(shí)頻域分析
    3.1 時(shí)頻域分析簡介
    3.2 時(shí)頻域相關(guān)工作
    3.3 時(shí)頻域分析方法
        3.3.1 局部均值分解方法
        3.3.2 時(shí)頻域特征提取
        3.3.3 滑動(dòng)窗口截取
        3.3.4 端點(diǎn)效應(yīng)
        3.3.5 消除端點(diǎn)效應(yīng)改進(jìn)
        3.3.6 信號(hào)識(shí)別神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.3.7 方法總結(jié)
    3.4 實(shí)驗(yàn)結(jié)果
        3.4.1 信號(hào)時(shí)頻域特征
        3.4.2 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程
        3.4.3 實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
4 聲發(fā)射信號(hào)信息熵分析
    4.1 信息熵的概念與性質(zhì)
    4.2 相關(guān)工作
    4.3 信息熵分析方法
        4.3.1 方法綜述
        4.3.2 功率譜熵特征提取方法
        4.3.3 Spark處理流程
        4.3.4 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    4.4 實(shí)驗(yàn)結(jié)果
        4.4.1 實(shí)驗(yàn)信號(hào)特征
        4.4.2 信號(hào)的學(xué)習(xí)和識(shí)別
        4.4.3 聲發(fā)射完整過程分析
        4.4.4 實(shí)驗(yàn)結(jié)果分析與討論
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]LMD和改進(jìn)小波閾值去噪的軸承聲發(fā)射信號(hào)故障診斷[J]. 艾延廷,馮研研,周海侖.  科學(xué)技術(shù)與工程. 2014(33)
[2]機(jī)車車輪超聲波探傷信號(hào)檢測方法研究[J]. 趙陽,梅勁松,呂岑.  計(jì)算機(jī)技術(shù)與發(fā)展. 2013(02)
[3]聲發(fā)射技術(shù)在土木工程中的應(yīng)用研究綜述[J]. 王巖,路桂娟,王瑤,徐鄭鄭,姚金鑫.  水利水電科技進(jìn)展. 2012(04)
[4]基于LMD和AR模型的轉(zhuǎn)子系統(tǒng)故障診斷方法[J]. 楊宇,楊麗湘,程軍圣.  湖南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(09)
[5]聲發(fā)射檢測技術(shù)用于滾動(dòng)軸承故障診斷的研究綜述[J]. 郝如江,盧文秀,褚福磊.  振動(dòng)與沖擊. 2008(03)
[6]列車車軸裂紋的振動(dòng)特性分析及在線監(jiān)測方法[J]. 黃采倫,陳春陽,樊曉平,陳特放,張劍.  中國鐵道科學(xué). 2007(05)
[7]EMD與神經(jīng)網(wǎng)絡(luò)在氣液兩相流流型識(shí)別中的應(yīng)用[J]. 王強(qiáng),周云龍,崔玉峰,孫斌.  工程熱物理學(xué)報(bào). 2007(03)
[8]流數(shù)據(jù)分析與管理綜述[J]. 金澈清,錢衛(wèi)寧,周傲英.  軟件學(xué)報(bào). 2004(08)
[9]旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的信息熵特征[J]. 申弢,黃樹紅,韓守木,楊叔子.  機(jī)械工程學(xué)報(bào). 2001(06)
[10]多分辨信息熵的計(jì)算及在故障檢測中的應(yīng)用[J]. 何正友,錢清泉.  電力自動(dòng)化設(shè)備. 2001(05)

博士論文
[1]列車輪對(duì)故障振動(dòng)特性及診斷關(guān)鍵技術(shù)研究[D]. 王靖.中南大學(xué) 2012
[2]基于聲發(fā)射信號(hào)多特征分析與融合的刀具磨損分類與預(yù)測技術(shù)[D]. 關(guān)山.吉林大學(xué) 2011
[3]集成化聲發(fā)射信號(hào)處理平臺(tái)的研究[D]. 張平.清華大學(xué) 2002

碩士論文
[1]基于時(shí)間序列特征的聲發(fā)射信號(hào)識(shí)別方法研究[D]. 李天舒.大連理工大學(xué) 2018
[2]軌道車輛輪軸聲發(fā)射LMD研究[D]. 李春付.大連交通大學(xué) 2014
[3]聲發(fā)射檢測技術(shù)在故障診斷中的應(yīng)用研究[D]. 潘佳.北京化工大學(xué) 2012



本文編號(hào)：3022162