学位论文 > 优秀研究生学位论文题录展示

基于Hilbert-Huang变换的滚动轴承故障诊断方法研究

作　者: 周川
导　师: 伍星
学　校: 昆明理工大学
专　业: 机械电子工程
关键词: 滚动轴承希尔伯特-黄变换经验模态分解形态滤波支持向量机
分类号: TH165.3
类　型: 硕士论文
年　份: 2010年
下　载: 256次
引　用: 0次
阅　读: 论文下载

内容摘要

滚动轴承广泛应用于旋转机械,是旋转机械的易损部件。旋转机械的许多故障都与滚动轴承有关。滚动轴承的故障会导致机器产生异常振动和噪声,甚至会引起机器损坏和造成人员伤亡等重大事故。因此研究滚动轴承故障诊断方法具有十分重要的意义。滚动轴承故障振动信号具有非平稳特征,工程实际中故障样本数通常较少,使用传统的故障特征提取方法和基于神经网络理论的故障模式识别方法进行滚动轴承故障诊断时效果不太理想。因此,本文利用非平稳信号分析新方法,Hilbert-Huang变换(HHT),并结合形态滤波、二维谱熵以及支持向量机(SVM)等进行了轴承故障特征提取与诊断方法的研究。本文以HHT为理论基础,围绕着HHT理论、故障特征提取方法、模式识别方法和故障特征提取与诊断系统四个主题展开,采用理论研究、仿真与实验验证以及原型系统实现相结合的研究路线,主要研究内容如下：(1)对HHT理论进行了深入研究,通过将其与典型时频分析方法,如短时傅立叶变换、Wigner-Ville分布和小波变换,进行对比分析,验证了HHT分析非平稳信号的有效性与优越性。针对经验模态分解(EMD)的端点效应现象,提出了基于端点极值点估计延拓的改进算法；针对噪声引起的EMD模态裂解和虚假模态问题,提出了基于广义形态滤波和相关系数的改进方法。通过仿真和实验验证了这两种改进方法的有效性,从而提高了HHT在滚动轴承故障诊断中的应用性。(2)针对故障轴承振动信号具有非平稳性、高频调制以及易受背景噪声和低频谐波干扰等特点,提出了基于EMD和自适应形态滤波解调的故障特征提取方法。该方法使用EMD分离高频调制信号,然后利用基于峭度的自适应形态滤波器进行解调,提取非平稳信号故障特征。仿真研究和轴承内、外圈故障实验分析结果表明,该方法能有效提取轴承故障特征,且效果优于Hilbert包络分析法,在滚动轴承故障特征提取中具有较好的应用前景。(3)在对信号二维谱熵、遗传算法以及SVM研究的基础上,分别提出了基于EMD的二维谱熵故障特征提取方法和基于遗传算法的SVM故障分类方法。滚动轴承故障诊断实验分析结果表明,结合上述两种方法进行故障诊断,可获得较高的诊断精度。该方法为滚动轴承的故障诊断提供了一种新思路。(4)在滚动轴承故障特征提取与诊断方法的研究基础上,利用Matlab开发了滚动轴承故障特征提取与诊断的原型系统。采用仿真和实验信号对该系统的有效性和实用性进行了验证,它为滚动轴承故障诊断系统的开发提供了一个范例。

全文目录

摘要  3-5
Abstract  5-10
第一章绪论  10-24
  1.1 本课题研究的目的和意义  10-11
  1.2 滚动轴承故障诊断技术的发展和研究现状  11-19
    1.2.1 故障机理研究  12
    1.2.2 故障特征提取方法研究  12-18
    1.2.3 故障模式识别方法研究  18-19
  1.3 Hilbert-Huang变换的提出及其研究现状  19-21
    1.3.1 Hilbert-Huang变换的提出  19-20
    1.3.2 Hilbert-Huang变换在故障诊断领域的研究现状  20-21
  1.4 本文的主要研究工作  21-24
第二章 Hilbert-Huang变换基本原理及其改进  24-58
  2.1 引言  24
  2.2 Hilbert-Huang变换基本原理  24-32
    2.2.1 瞬时频率  24-26
    2.2.2 固有模态函数  26-27
    2.2.3 EMD方法及其算法实现  27-30
    2.2.4 Hilbert谱与Hilbert边际谱  30-32
  2.3 Hilbert-Huang变换与典型时频分析方法的对比研究  32-41
    2.3.1 非平稳仿真信号的特性分析  32-33
    2.3.2 HHT与短时傅立叶变换的对比  33-36
    2.3.3 HHT与Wigner-Ville分布的对比  36-37
    2.3.4 HHT与小波变换以及傅立叶变换的对比  37-39
    2.3.5 实验分析  39-41
  2.4 HHT存在的不足及其改进方法  41-56
    2.4.1 EMD端点效应及其改进算法  41-50
    2.4.2 噪声对HHT的影响及其改进方法  50-56
  2.5 本章小结  56-58
第三章基于EMD和形态滤波的故障特征提取方法研究  58-80
  3.1 引言  58
  3.2 形态滤波解调基本原理  58-63
    3.2.1 一维形态变换以及形态结构元素  59
    3.2.2 形态算子对形态滤波的影响分析  59-62
    3.2.3 形态结构元素对形态滤波解调的影响分析  62-63
  3.3 自适应形态滤波解调算法  63-67
    3.3.1 峭度的基本概念及其特点  64
    3.3.2 自适应形态滤波解调算法的实现  64-65
    3.3.3 仿真分析  65-67
  3.4 基于EMD和形态滤波的滚动轴承故障特征提取方法  67-79
    3.4.1 滚动轴承故障振动信号的特征与故障频率  67-69
    3.4.2 基于EMD和自适应形态滤波解调的故障特征提取方法  69-70
    3.4.3 仿真分析  70-71
    3.4.4 实验分析  71-79
  3.5 本章小结  79-80
第四章基于EMD和GA-SVM的故障诊断方法研究  80-104
  4.1 引言  80-81
  4.2 基于EMD的二维谱熵故障特征提取方法  81-88
    4.2.1 二维谱熵的定义  81-82
    4.2.2 二维谱熵的特点  82-84
    4.2.3 基于EMD的二维谱熵故障特征提取  84-88
  4.3 遗传支持向量机基本原理及算法  88-96
    4.3.1 遗传算法基本原理  88-89
    4.3.2 支持向量机基本原理及分类算法  89-94
    4.3.3 遗传支持向量机故障分类算法  94-96
  4.4 基于EMD和GA-SVM的故障诊断方法及实验分析  96-102
    4.4.1 基于EMD和GA-SVM的滚动轴承故障诊断方法  96-97
    4.4.2 实验分析  97-102
  4.5 本章小结  102-104
第五章基于Matlab GUI的故障特征提取与诊断系统  104-114
  5.1 引言  104
  5.2 Matlab GUI简介  104-106
    5.2.1 Matlab GUI  104-105
    5.2.2 Matlab GUIDE及其优点  105-106
    5.2.3 Matlab GUI的实现过程  106
  5.3 滚动轴承故障特征提取与诊断系统设计及其实现  106-112
    5.3.1 功能设计  106-108
    5.3.2 系统实现  108-112
  5.4 本章小结  112-114
第六章结论与展望  114-118
  6.1 本文总结  114-115
  6.2 主要创新点  115-116
  6.3 研究展望  116-118
致谢  118-120
参考文献  120-130
附录A 攻读硕士期间发表的学术论文  130-131
附录B 主要符号说明  131

基于Hilbert-Huang变换的滚动轴承故障诊断方法研究

内容摘要

全文目录

相似论文