本文選題：滾動軸承　切入點：振動故障診斷　出處：《機械設計與制造》2016年01期

【摘要】：滾動軸承廣泛應用于機械、鐵路運輸、航天航空等領域,在旋轉機械設備的正常穩(wěn)定運行中占據著至關重要的位置,其振動故障的準確、快速診斷是保證機械設備正常穩(wěn)定運行的必要手段,因此,研究一種能夠有效診斷滾動軸承振動故障的方法具有重要意義。針對滾動軸承振動信號具有非平穩(wěn)性、非線性和影響因素相互影響相互作用的特點,結合小波分析理論對滾動軸承振動信號進行故障特征提取,通過借鑒支持向量機的分類思想,從最優(yōu)化角度出發(fā),引入結構風險最小化原理對極限學習機進行改進及優(yōu)化,并結合改進后的方法構建了滾動軸承振動故障診斷模型。仿真結果表明,改進的極限學習機進一步提高了滾動軸承振動故障診斷的效率和分類準確率,為滾動軸承的振動故障診斷提供了新思路和新方法。
[Abstract]:Rolling bearings are widely used in machinery, railway transportation, aerospace and other fields. They occupy a crucial position in the normal and stable operation of rotating machinery and equipment, and their vibration faults are accurate. Rapid diagnosis is a necessary means to ensure the normal and stable operation of mechanical equipment. Therefore, it is of great significance to study a method that can effectively diagnose the vibration faults of rolling bearings. Based on the characteristics of the interaction between nonlinear and influencing factors, the fault feature extraction of rolling bearing vibration signal is carried out based on wavelet analysis theory. By using the classification idea of support vector machine for reference, we proceed from the angle of optimization. The structural risk minimization principle is introduced to improve and optimize the ultimate learning machine. In combination with the improved method, a fault diagnosis model for rolling bearing vibration is constructed. The simulation results show that, The improved extreme learning machine further improves the efficiency and classification accuracy of vibration fault diagnosis of rolling bearings, and provides a new idea and method for vibration fault diagnosis of rolling bearings.
【作者單位】： 廣西職業(yè)技術學院機械與汽車技術系;廣西水利電力職業(yè)技術學院機電工程系;
【基金】：廣西高校科研資助項目(YB2014485)
【分類號】：TH165.3;TH133.33

【相似文獻】

相關期刊論文 前10條

1 劉春浩,王吉林,楊晨,李次公;滾動軸承振動的模擬和實驗分析[J];軸承;2000年06期

2 常洪,夏新濤,王中宇,王景夏;滾動軸承振動評估的灰色理論[J];軸承;2004年08期

3 夏新濤;滾動軸承振動與噪聲的研究現狀與發(fā)展[J];現代零部件;2004年Z2期

4 苗澍;閆國斌;;滾動軸承振動的模擬及試驗研究[J];哈爾濱軸承;2004年03期

5 夏新濤;王中宇;孫立明;趙聯春;;滾動軸承振動與噪聲關系的灰分析[J];哈爾濱軸承;2005年02期

6 夏新濤;陳曉陽;張永振;王中宇;柏有才;劉春浩;;滾動軸承振動的灰自助動態(tài)評估與診斷[J];航空動力學報;2007年01期

7 夏新濤;陳曉陽;張永振;王中宇;孫立明;;基于乏信息的滾動軸承振動與噪聲的模糊預報[J];吉林大學學報(工學版);2007年06期

8 夏新濤;張林;;滾動軸承振動與加工質量的灰色理論分析[J];軸承;2009年01期

9 孔文濤;許益華;;滾動軸承振動的動態(tài)監(jiān)測與安全性分析[J];化學工程與裝備;2009年09期

10 陳芳華;章有良;嚴思思;張根源;;滾動軸承振動測量方法新國標解析[J];軸承;2011年03期

相關會議論文 前5條

1 李偉;何濤;吳慶華;;小波變換與滾動軸承振動的故障診斷方法研究[A];湖北省機械工程學會青年分會2006年年會暨第2屆機械學院院長（系主任）會議論文集（上）[C];2006年

2 陳曉平;和衛(wèi)星;陳季云;;基于小波分析的滾動軸承振動信號處理[A];2008中國儀器儀表與測控技術進展大會論文集（Ⅰ）[C];2008年

3 邵俊鵬;賈慧娟;;基于小波包變換的滾動軸承振動信號特征提取[A];制造業(yè)與未來中國——2002年中國機械工程學會年會論文集[C];2002年

4 吳寶杰;劉慶廉;李興林;周銀生;;潤滑脂的流變性和滾動軸承振動性能的關系[A];第六屆全國表面工程學術會議暨首屆青年表面工程學術論壇論文集[C];2006年

5 吳寶杰;劉慶廉;李興林;周銀生;;潤滑脂的流變性和滾動軸承振動性能的關系[A];第六屆全國表面工程學術會議論文集[C];2006年

相關碩士學位論文 前10條

1 劉覺曉;基于EEMD的滾動軸承振動故障特征提取與診斷研究[D];華北電力大學;2015年

2 蘇寶定;滾動軸承振動檢測與智能診斷系統研究[D];大連理工大學;2009年

3 劉明輝;滾動軸承振動與噪聲機理研究[D];太原科技大學;2013年

4 蘇新偉;基于小波理論的滾動軸承振動信號的分析研究[D];哈爾濱工業(yè)大學;2007年

5 王勇;滾動軸承振動信號在線分析系統[D];河南科技大學;2011年

6 繆榮松;基于小波—包絡的重載貨運列車滾動軸承振動故障診斷[D];中南大學;2011年

7 齊鵬翔;滾動軸承振動分析及故障診斷系統的研究[D];北京交通大學;2013年

8 范韶梅;杭鋼滾動軸承振動監(jiān)測與故障診斷技術的研究與應用[D];江西理工大學;2010年

9 董國貴;基于DSP的滾動軸承振動信號監(jiān)測系統的研究[D];江蘇大學;2010年

10 李昊;基于小波循環(huán)自相關分析方法的滾動軸承振動信號處理技術的研究[D];中南大學;2005年

，

本文編號：1680775