学位论文 > 优秀研究生学位论文题录展示

基于流形学习的滚动轴承故障特征提取方法研究

作　者: 王善鹏
导　师: 王奉涛
学　校: 大连理工大学
专　业: 机械制造及其自动化
关键词: 滚动轴承 流形学习 特征提取 集合经验模态分解 样本熵
分类号: TH133.33
类　型: 硕士论文
年　份: 2013年
下　载: 97次
引　用: 0次
阅　读: 论文下载
 

内容摘要


作为旋转机械的关键部件,滚动轴承在整个机械系统中起着非常重要的作用。其运行状态的好坏往往直接决定了一整台机器的性能优劣。因此研究针对滚动轴承运行状态的故障特征提取方法具有非常重要的现实意义和经济价值。本文以滚动轴承为研究对象,针对强背景噪声下滚动轴承早期微弱故障信号的特点,将流形学习方法与其它现代信号处理方法相结合,对滚动轴承故障特征提取方法展开研究工作,论文主要研究内容如下：1、论述了滚动轴承的故障机理和时频特征提取方法。首先对构成滚动轴承的基本单元及其发挥的作用作了简述,在此基础上结合滚动轴承的常见故障类型,对故障产生的原因作了重点剖析。给出了滚动轴承的两种主要频率成分及其计算公式。最后通过一组实验室轴承数据分析了时频分析方法的有效性。2、研究了基于EEMD-流形学习的滚动轴承早期微弱故障信号降噪方法。为了克服EMD分解的模态混叠现象以及传统阈值降噪方法的不足,结合滚动轴承早期微弱故障信号的特点,通过对EEMD分解后得到IMF分量集作LTSA流形降维处理,能够有效去除噪声成分,提高信噪比。通过仿真和实际轴承信号验证了方法的有效性。3、研究了基于小波包-流形样本熵的滚动轴承故障特征提取方法。结合小波包分解在处理信号高频细节分量时的优势以及样本熵对数据系统内部自我相似度的有效估计。通过对信号小波包分解后的子带进行KPCA流形算法处理,并计算流形子带的样本熵值,能够有效区分出轴承的不同工作状态。最后通过四种不同状态下的实际轴承数据验证了方法的有效性。4、开发了滚动轴承振动信号分析系统。结合虚拟仪器技术、数据库技术、信号处理技术以及人机交互技术开发了基于C/S结构的滚动轴承振动信号分析系统。该系统将振动信号分析过程中的每一个环节作为一个独立的模块来设计,既保证了功能的实现,又具有一定的可视化、易操作性。通过对实际轴承数据的处理,验证了其性能的可靠性。

全文目录


摘要  4-5
Abstract  5-9
1 绪论  9-15
  1.1 课题的研究背景和意义  9-10
    1.1.1 研究背景  9
    1.1.2 目的意义  9-10
  1.2 国内外研究现状  10-13
    1.2.1 滚动轴承故障诊断的研究现状  10-11
    1.2.2 滚动轴承故障特征提取方法的研究现状  11-13
  1.3 论文的主要研究思路和结构安排  13-15
2 滚动轴承的故障机理与时频特征提取方法  15-24
  2.1 滚动轴承的基本结构  15
  2.2 滚动轴承的故障形式  15-16
  2.3 滚动轴承的故障原因与特征频率  16-18
    2.3.1 滚动轴承的振动机理  16-17
    2.3.2 滚动轴承的故障特征频率和固有频率  17-18
  2.4 滚动轴承故障诊断的常用方法  18-19
  2.5 滚动轴承的时频特征提取方法  19-23
    2.5.1 基于时频域的故障特征提取方法  19-21
    2.5.2 时频特征提取方法的试验分析  21-23
  2.6 本章小结  23-24
3 基于EEMD-流形学习的滚动轴承早期微弱故障信号降噪方法  24-36
  3.1 EMD方法  24-26
    3.1.1 固有模态函数(IMF)  24
    3.1.2 EMD方法的分解过程  24-26
    3.1.3 EMD方法的模态混叠现象  26
  3.2 EEMD方法  26-27
  3.3 非线性流形学习的原理与应用  27-30
    3.3.1 流形学习的原理  27-28
    3.3.2 局部切空间排列流形算法  28-29
    3.3.3 流形学习在故障信号处理中的应用  29-30
  3.4 基于EEMD-流形学习的降噪方法步骤  30-31
  3.5 仿真分析  31-33
  3.6 工程验证  33-35
  3.7 本章小结  35-36
4 基于小波包-流形样本熵的滚动轴承故障特征提取方法  36-47
  4.1 小波包分解  36-38
  4.2 样本熵  38-39
  4.3 核主分量分析流形算法  39-41
  4.4 基于小波包-流形样本熵的特征提取方法  41
  4.5 工程验证  41-45
  4.6 本章小结  45-47
5 滚动轴承振动信号分析系统开发  47-57
  5.1 系统开发环境简介  47-48
  5.2 总体方案设计  48-49
  5.3 系统子模块设计  49-56
    5.3.1 数据管理模块  50-52
    5.3.2 参数设置模块  52-53
    5.3.3 信号预处理模块  53-54
    5.3.4 信号分析模块  54-56
    5.3.5 故障诊断模块  56
  5.4 本章小结  56-57
结论  57-59
参考文献  59-62
攻读硕士学位期间发表学术论文情况  62-63
致谢  63-64

相似论文

  1. 基于流形学习的高维流场数据分类研究,V231.3
  2. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  3. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  4. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  5. Q学习在基于内容图像检索技术中的应用,TP391.41
  6. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  7. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  8. 空间交会接近视觉测量方法研究,TP391.41
  9. 图像实时采集、存储与处理方法研究,TP391.41
  10. 唇读中的特征提取、选择与融合,TP391.41
  11. 多币种纸币处理技术的研究与实现,TP391.41
  12. 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
  13. 基于图像的路面破损识别,TP391.41
  14. 移动机器人视觉检测和跟踪研究,TP242.62
  15. 高光谱与高空间分辨率遥感图像融合算法研究,TP751
  16. 基于随机森林的植物抗性基因识别方法研究,Q943
  17. 基于图像处理技术的烟叶病害自动识别研究,S435.72
  18. 基于视觉的番木瓜外观品质检测技术研究,S667.9
  19. 基于流形学习的数据降维技术研究,TP311.13
  20. 羊绒与羊毛纤维鉴别系统的研究,TS101.921
  21. 红外图像目标识别及跟踪技术研究,TP391.41

中图分类: > 工业技术 > 机械、仪表工业 > 机械零件及传动装置 > 转动机件 > 轴承 > 滚动轴承
© 2012 www.xueweilunwen.com