版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、機械故障診斷對于保障機械設備的安全、穩(wěn)定運行具有重要意義。基于振動信號分析的機械故障診斷方法具有可在線、實時、非損傷、診斷便捷準確等優(yōu)點,已經得到廣泛應用。本文以軸承、齒輪為主要研究對象,針對機械故障特征提取與診斷問題,采用基于振動信號分析的方法,研究了基于經驗模態(tài)分解的信號降噪方法;基于小波變換、小波包變換、Hilbert-Huang變換、獨立分量分析等現代信號處理方法的機械故障特征提取技術,研究了基于支持向量機、最近鄰分類器的機械故
2、障識別方法。本文提出一些機械故障特征提取與診斷的新方法,主要研究內容包括以下幾個方面:
(1)針對目前基于經驗模態(tài)分解的振動信號降噪方法不能同時較好地處理高頻內蘊模態(tài)函數與低頻內蘊模態(tài)函數的噪聲問題,研究提出一種改進的基于經驗模態(tài)分解的降噪方法,結合現有的兩種基于經驗模態(tài)分解降噪方法的優(yōu)點,分別對高頻內蘊模態(tài)函數與低頻內蘊模態(tài)函數采用不同的降噪方法。仿真和實驗結果表明改進的基于經驗模態(tài)分解的降噪方法具有更好地降噪性能。
3、 (2)研究了基于相對小波能量與支持向量機的機械故障診斷方法。首先將機械故障振動信號進行離散小波分解,然后利用分解后各頻帶的相對小波能量作為特征向量,最后使用支持向量機作為分類器對機械故障進行分類。并以滾動軸承故障診斷為例驗證了該方法能夠較好地識別滾動軸承的故障類型及故障程度,具有一定的工程應用價值。
(3)針對機械設備在出現故障時其動力學特性往往呈現出復雜性和非線性,近年來提出的樣本熵是一種度量信號復雜性的方法,與分形維數
4、、Kolmogorov熵、李雅普諾夫指數等非線性動力學參數相比,可以較少地依賴于時間序列的長度?;诖颂岢鲆环N基于小波包變換與樣本熵的機械故障診斷方法,利用小波包變換對機械振動信號進行分解,然后計算分解后得到的各個頻帶的樣本熵值作為特征向量,最后使用支持向量機進行故障識別。通過結合小波包技術,可以得到機械故障在不同頻帶的特征信息,與直接利用原始信號樣本熵分析相比可以更全面、更準確地刻畫機械故障特征。機械故障診斷實驗表明該方法取得較好地識
5、別效果,是一種有效地機械故障診斷方法。
(4)針對機械故障振動信號的時頻特征提取問題,研究Hilbert譜時頻特征提取方法。Hilbert譜是對振動信號能量精確的時頻表示,反映了機械故障振動信號的時間和頻率的分布情況,為了提取機械故障信號Hilbert譜特征,引入奇異值分解方法,利用Hilbert譜奇異值作為機械故障特征參數。該方法利用了奇異值分解穩(wěn)定性好,可以較好地刻畫時頻矩陣特征的優(yōu)點。實測軸承振動信號故障診斷實驗表明該方
6、法得到較好地識別效果,具有一定的應用價值。
(5)研究了基于獨立分量分析的機械故障特征提取方法。提出一種基于獨立分量分析與相關系數的機械故障診斷方法,通過對不同工況的機械故障信號分別進行獨立分量分析,獲得各種工況信號的獨立分量,這些獨立分量中蘊含了該工況振動信號的一些內在特征;接著利用樣本與不同工況信號提取的獨立分量的相關系數絕對值的和作為該樣本的特征;最后使用支持向量機作為分類器進行識別。齒輪和軸承故障診斷實驗表明該方法可以
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于振動信號的旋轉機械故障特征提取方法研究.pdf
- 基于信號局部特征提取的機械故障診斷方法研究.pdf
- 旋轉機械故障信號特征提取與振動源盲分離.pdf
- 基于振動信號的機械故障特征與診斷分析
- 選煤機械故障特征提取與診斷規(guī)則的研究.pdf
- 旋轉機械故障診斷中微弱信號特征提取方法研究.pdf
- 機械故障稀疏特征提取及診斷方法研究.pdf
- 基于小波分析的機械故障特征提取與診斷技術研究.pdf
- 基于振動信號的軸承故障特征提取及診斷方法研究.pdf
- 基于振動信號特征提取與表達的旋轉機械狀態(tài)監(jiān)測與故障診斷研究.pdf
- 基于時頻圖像特征提取的旋轉機械故障診斷研究.pdf
- 基于振動信號分析的滾動軸承故障特征提取與診斷研究.pdf
- 面向旋轉機械故障診斷的非平穩(wěn)信號特征提取方法研究.pdf
- 旋轉機械故障特征提取方法研究.pdf
- 基于全信息的機械故障特征提取方法研究.pdf
- 基于非高斯、非平穩(wěn)信號處理的機械故障特征提取方法研究.pdf
- 滾動軸承振動信號的特征提取與故障診斷研究.pdf
- 基于LMD旋轉機械故障診斷方法的研究及特征提取分析.pdf
- 基于核方法的機械故障特征提取與分類技術研究.pdf
- 基于隨機鄰域嵌入的機械故障特征提取方法.pdf
評論
0/150
提交評論