学位论文 > 优秀研究生学位论文题录展示

频带熵方法及其在滚动轴承故障诊断中的应用

作　者: 王小玲
导　师: 陈进
学　校: 上海交通大学
专　业: 机械设计及理论
关键词: 故障诊断状态监测时频分析频带熵带通滤波遗传算法滚动轴承
分类号: TH165.3
类　型: 硕士论文
年　份: 2012年
下　载: 173次
引　用: 0次
阅　读: 论文下载

内容摘要

随着科学技术的日益进步与现代工业的飞速发展,机械设备不断向大型、复杂、高速、高效及重载的方向发展;与此同时,其工作和运行环境也更加复杂和苛刻。这些设备一旦突然发生故障,不仅会增加企业的维护成本,降低企业的生产效率,还可能造成巨大的经济损失,甚至导致严重的人员伤亡,产生不良的社会影响。因此,如何对设备进行有效的状态监测和故障诊断,是当前亟需解决的问题。如何有效提取反映设备运行状态的特征,以及准确判断故障类别,一直是故障诊断领域的研究热点,新方法和新理论的研究也层出不穷,对丰富和完善机械故障诊断技术起到了重要作用。本文以滚动轴承为研究对象,提出频带熵方法,并对其在故障诊断中的应用进行了研究,旨在为滚动轴承状态监测提供一个新指标,为故障诊断信号预处理提供一种新方法,论文主要包括以下几个方面的内容:(1)从理论分析与工程应用的角度出发,阐述了论文的选题背景和研究意义。分析了机械设备故障诊断方法、滚动轴承故障诊断、时频分析与信息熵理论等方面的国内外研究现状,确立了本文的研究内容。(2)介绍了作为本文理论基础的几种时频分析方法及信息熵理论,借鉴谱峭度方法提出频带熵概念,定义频带熵为某一频率上(频带内)信号的复杂度,或者说不确定性,给出了频带熵的基本算法,最后从滤波的角度对频带熵概念进行了扩展。(3)介绍了滚动轴承的振动机理和故障特征。讨论了频带熵指标用于滚动轴承状态监测的可能性,对其鲁棒性进行了研究,证明其对奇异点的不敏感性。基于频带熵的上述特性,将其应用于滚动轴承全寿命周期数据分析,探讨了频带熵指标在性能退化各阶段的表现。介绍了为上述理论提供数据支撑的滚动轴承故障试验和加速疲劳寿命试验,通过对试验数据的分析,表明频带熵可作为状态监测指标的有效补充。(4)针对共振解调带通滤波中心频率难以确定的问题,提出了频带熵确定中心频率的方法。对基于STFT的频带熵,讨论了频率离散点数、时频分析窗长、窗函数类型等参数对频带熵的影响;对基于小波包变换的频带熵,讨论了小波包分解层数和小波包函数的选择对频带熵的影响。最后将两种方法应用于仿真和实际的滚动轴承故障诊断。分析结果证明,频带熵能够准确确定信号的共振频带,提升带通滤波和包络解调后的诊断效果。(5)提出频带熵与遗传算法相结合的方法,用于共振解调带通滤波器的优化设计。以频带熵最小为遗传算法的优化目标,通过选择、交叉、变异等操作,在取值范围内寻找最优的中心频率和带宽组合,设计优化滤波器。通过对仿真信号和不同信噪比实验数据的分析,证明此方法能够有效确定滤波中心频率和带宽,从而提高信号的信噪比,实现对轴承故障的诊断。

全文目录

摘要  3-5
ABSTRACT  5-10
第一章绪论  10-18
  1.1 选题背景  10-11
    1.1.1 课题来源  10
    1.1.2 课题意义  10-11
  1.2 课题背景  11-16
    1.2.1 故障诊断技术发展概况  11-12
    1.2.2 滚动轴承故障诊断发展概况  12-13
    1.2.3 时频分析与信息熵理论研究概况  13-16
  1.3 主要工作与总体框架  16-18
第二章频带熵理论  18-29
  2.1 引言  18
  2.2 常用时域指标  18-19
  2.3 时频分析方法  19-23
    2.3.1 时频分析概述  19
    2.3.2 短时傅里叶变换  19-20
    2.3.3 Wigner-Ville 分布  20-21
    2.3.4 小波与小波包变换  21-23
  2.4 信号的幅值谱熵  23-25
    2.4.1 熵  23-24
    2.4.2 信号的幅值谱熵  24-25
  2.5 信号的频带熵  25-28
    2.5.1 谱峭度理论  25-26
    2.5.2 信号的频带熵  26-28
    2.5.3 频带熵的扩展  28
  2.6 本章小结  28-29
第三章频带熵用于滚动轴承状态监测  29-53
  3.1 引言  29
  3.2 滚动轴承振动机理与故障特征  29-33
    3.2.1 滚动轴承的结构  29-30
    3.2.2 滚动轴承振动的特点与类型  30-31
    3.2.3 滚动轴承的故障类型  31
    3.2.4 不同部位故障特征  31-33
  3.3 频带熵用于滚动轴承状态监测  33-38
    3.3.1 频带熵状态监测原理  33-34
    3.3.2 实验装置和数据采集  34-36
    3.3.3 实验数据分析  36-38
  3.4 频带熵在状态监测中的鲁棒性  38-43
    3.4.1 频带熵对信号奇异点的消解  38-41
    3.4.2 实验数据分析  41-43
  3.5 频带熵用于滚动轴承全寿命数据分析  43-52
    3.5.1 轴承加速寿命试验  43-48
    3.5.2 全寿命周期特征分析  48-52
  3.6 本章小结  52-53
第四章频带熵用于滚动轴承故障诊断  53-84
  4.1 引言  53
  4.2 共振解调原理  53-55
  4.3 基于STFT 的频带熵在共振解调中的应用  55-68
    4.3.1 理论与仿真分析  55-56
    4.3.2 影响因素分析  56-63
    4.3.3 实验分析  63-68
  4.4 基于小波包变换的频带熵在共振解调中的应用  68-82
    4.4.1 小波包系数频谱特性  68-69
    4.4.2 仿真信号分析  69-72
    4.4.3 影响因素分析  72-80
    4.4.4 实验分析  80-82
  4.5 本章小结  82-84
第五章频带熵和遗传算法结合的滚动轴承故障诊断  84-96
  5.1 引言  84
  5.2 遗传算法  84-86
  5.3 基于频带熵和遗传算法的最优化带通滤波  86-89
  5.4 实验验证  89-94
    5.4.1 实例一  89-91
    5.4.2 实例二  91-92
    5.4.3 实例三  92-94
  5.5 本章小结  94-96
第六章总结与展望  96-98
  6.1 主要创新点  96-97
  6.2 研究展望  97-98
参考文献  98-105
攻读硕士学位期间发表的学术论文清单  105
攻读硕士学位期间参与科研项目情况  105-106
致谢  106-108

频带熵方法及其在滚动轴承故障诊断中的应用

内容摘要

全文目录

相似论文