本文關(guān)鍵詞：隱半馬爾科夫模型在滾動軸承故障診斷中的研究和應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：滾動軸承是各種大型旋轉(zhuǎn)機械中應(yīng)用最為廣泛的一種通用機械零部件，同時也是最易損壞的元件之一，它們在旋轉(zhuǎn)機械中起著至關(guān)重要的作用。據(jù)不完全統(tǒng)計，旋轉(zhuǎn)機械的故障大約有30%是由滾動軸承故障引起的，可以說滾動軸承的好壞直接影響到整個旋轉(zhuǎn)設(shè)備系統(tǒng)的性能。因此在故障早期能夠及時、有效地識別滾動軸承所處的故障狀態(tài)，對預(yù)防軸承進一步退化和減少或杜絕重大事故的發(fā)生具有重要意義。 本文針對滾動軸承的故障狀態(tài)識別問題，在對其故障機理和演化規(guī)律分析的基礎(chǔ)上，開展了基于本征模態(tài)能量矩和隱半馬爾科夫模型（HSMM）的滾動軸承故障診斷的研究，主要研究內(nèi)容如下： （1）基于本征模態(tài)能量矩的滾動軸承振動信號特征提取方法 把具有自適應(yīng)性的經(jīng)驗?zāi)B(tài)分解方法應(yīng)用在軸承的故障特征提取中，運用更能凸顯出非平穩(wěn)振動信號差異的本征模態(tài)能量矩作為故障信號的特征向量，并考慮到工程實際中背景噪聲的影響，提前對振動信號進行了小波閾值去噪預(yù)處理，最大限度地降低了噪聲對滾動軸承特征提取結(jié)果的影響。 （2）基于隱半馬爾科夫模型的滾動軸承故障狀態(tài)識別方法 通常情況下隱半馬爾科夫模型參數(shù)的初始化是由K均值（K-means）聚類方法完成的。由于傳統(tǒng)K-means聚類方法初始聚類中心是隨機選取的，選取不同的初始中心就會得到不同的初始均值和方差。為了解決HSMM算法存在的初始化參數(shù)設(shè)置問題，將語音識別中的初始化方法運用到故障診斷中，提出了基于改進K-means算法模型初始化方法。在此基礎(chǔ)上，提出了基于本征模態(tài)能量矩和改進隱半馬爾科夫模型的滾動軸承故障狀態(tài)識別方法。 （3）實驗方案和實驗驗證 以機械故障模擬機為研究對象，設(shè)計了滾動軸承故障狀態(tài)識別的實驗方案，通過實驗驗證了本文提出的基于本征模態(tài)能量矩和改進隱半馬爾科夫模型的滾動軸承故障診斷方法；通過與傳統(tǒng)的隱半馬爾科夫模型識別結(jié)果相比較，證明了運用改進初始化方法的隱半馬爾科夫模型能夠在滾動軸承的故障診斷中顯著地提高了故障狀態(tài)識別的速度和準(zhǔn)確性。 文章最后對工作進行了總結(jié)，并對相關(guān)的研究技術(shù)進行了展望。
【關(guān)鍵詞】：滾動軸承 本征模態(tài)能量矩 隱半馬爾科夫模型 故障診斷 小波閾值去噪
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TH133.33;TH165.3
【目錄】：

• 致謝4-5
• 摘要5-6
• Abstract6-12
• 圖清單12-15
• 表清單15-16
• 變量注釋表16-18
• 1 緒論18-27
• 1.1 課題來源18
• 1.2 選題背景及意義18-19
• 1.3 滾動軸承故障診斷過程19-20
• 1.4 故障狀態(tài)識別技術(shù)的研究現(xiàn)狀20-24
• 1.5 論文研究內(nèi)容及組成24-27
• 2 滾動軸承振動機理分析27-35
• 2.1 滾動軸承基本結(jié)構(gòu)27-28
• 2.2 滾動軸承常見故障形式28-29
• 2.3 滾動軸承振動頻率分析29-32
• 2.4 滾動軸承故障時的振動信號分析32-34
• 2.5 本章小結(jié)34-35
• 3 滾動軸承振動信號特征的提取35-54
• 3.1 經(jīng)驗?zāi)B(tài)分解方法的基本原理35-41
• 3.2 基于小波變換的去噪原理41-46
• 3.3 基于本征模態(tài)能量矩的特征向量的提取研究46-53
• 3.4 本章小結(jié)53-54
• 4 基于 HSMM 的滾動軸承故障狀態(tài)識別54-72
• 4.1 HMM 的基本理論54-56
• 4.2 隱半馬爾科夫模型基本理論56-65
• 4.3 HSMM 模型初始化方法研究65-70
• 4.4 基于 HSMM 的故障狀態(tài)識別方法70-71
• 4.5 本章小結(jié)71-72
• 5 基于 HSMM 的滾動軸承故障狀態(tài)識別方法驗證72-82
• 5.1 實驗對象及實驗設(shè)備72-73
• 5.2 滾動軸承故障狀態(tài)識別實驗驗證73-81
• 5.3 本章小結(jié)81-82
• 6 總結(jié)與展望82-84
• 6.1 全文總結(jié)82
• 6.2 研究展望82-84
• 參考文獻(xiàn)84-90
• 作者簡歷90-94
• 學(xué)位論文數(shù)據(jù)集94

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 彭文季;羅興

本文編號：468348