【摘要】：滾動(dòng)軸承是汽車變速器的關(guān)鍵零部件,而變速器中的滾動(dòng)軸承的故障信號具有非平穩(wěn)、非線性、非高斯性的特點(diǎn),且信噪比低,因此故障特征不易提取,從而增加了滾動(dòng)軸承故障診斷的難度。因此,對汽車變速器軸承進(jìn)行故障診斷和狀態(tài)監(jiān)測,從而保證其安全可靠地運(yùn)行,對提高變速器乃至汽車的安全性能都有重要的意義。為了對變速器軸承進(jìn)行故障診斷,本文進(jìn)行了以下幾方面的研究:(1)對軸承模型進(jìn)行三維建模,然后通過Ansys Workbench軟件模擬出滾動(dòng)軸承在變速器中的工作情況,并詳細(xì)描述了仿真方法,進(jìn)而得出在滾動(dòng)軸承在變速器中工作時(shí)候的振動(dòng)信號具有非線性、非平穩(wěn)性、非高斯性。(2)針對信號的非線性、非平穩(wěn)性、非高斯性這種特點(diǎn),選用了CEEMD這種方法對信號進(jìn)行處理,同時(shí)闡述了CEEMD相比于EMD和EEMD的優(yōu)點(diǎn),并且進(jìn)行了信號的驗(yàn)證。(3)通過對比各時(shí)域指標(biāo)的優(yōu)缺點(diǎn),確定峭度指標(biāo)為故障軸承的特征,進(jìn)而求解經(jīng)CEEMD分解后所得的IMF分量的峭度指標(biāo),組成故障軸承的特征向量,形成高維數(shù)組,然后通過拉普拉斯分值的方法進(jìn)行IMF分量的選取,進(jìn)行降維處理,進(jìn)而組成特征矩陣,為后期數(shù)據(jù)分類做準(zhǔn)備。(4)根據(jù)支持向量機(jī)的特點(diǎn),并利用粒子群優(yōu)化算法對支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化,最后對樣本進(jìn)行測試,驗(yàn)證了所構(gòu)建的支持向量機(jī)模型具有良好的分類性能,不僅可以把內(nèi)圈、外圈、滾動(dòng)體的故障識別出來,還可以對故障程度早期、中期、晚期進(jìn)行分類,并且準(zhǔn)確性較高。
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U472.9

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊青;王栗;劉_g誠;劉念;;FICA-IPNN集合型滾動(dòng)軸承故障診斷方法[J];電機(jī)與控制學(xué)報(bào);2014年03期

2 周鑫;楊國華;朱向芬;陳琳;丁曉花;周世文;肖龍;;歐氏距離二叉樹向量機(jī)的變壓器故障診斷研究[J];電測與儀表;2013年06期

3 丁慶喜;田福慶;羅榮;;基于小波包和改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法[J];現(xiàn)代電子技術(shù);2013年08期

4 周天沛;孫偉;;基于改進(jìn)粒子群優(yōu)化算法的最大風(fēng)能跟蹤方法[J];電測與儀表;2013年02期

5 王國彪;何正嘉;陳雪峰;賴一楠;;機(jī)械故障診斷基礎(chǔ)研究“何去何從”[J];機(jī)械工程學(xué)報(bào);2013年01期

6 劉耀年;尹洪全;張偉;李振清;沈量;;基于改進(jìn)粒子群算法的配電網(wǎng)狀態(tài)估計(jì)[J];電測與儀表;2012年09期

7 宋暉;薛云;張良均;;基于SVM分類問題的核函數(shù)選擇仿真研究[J];計(jì)算機(jī)與現(xiàn)代化;2011年08期

8 顧錦榮;劉華強(qiáng);孫預(yù)前;;粒子群算法與支持向量機(jī)相結(jié)合的熱帶氣旋強(qiáng)度預(yù)報(bào)試驗(yàn)[J];氣象與減災(zāi)研究;2010年03期

9 李興林;張仰平;曹茂來;張燕遼;陸水根;李建平;;滾動(dòng)軸承故障監(jiān)測診斷技術(shù)應(yīng)用進(jìn)展[J];工程與試驗(yàn);2009年04期

10 侯新國;劉開培;卜樂平;;感應(yīng)電動(dòng)機(jī)軸承故障檢測的相關(guān)分析方法[J];電氣傳動(dòng);2008年02期

，

本文編號：2664166