欢迎来到天天文库
浏览记录
ID:17683628
大小:6.42 MB
页数:148页
时间:2018-09-04
《高速列车车体铝合金材料与轴承缺陷声发射检测方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、国内图书分类号:U270.7密级:公开国际图书分类号:629西南交通大学研究生学位论文高速列车车体铝合金材料与轴承缺陷声发射检测方法研究年级2011级姓名邓韬申请学位级别博士专业载运工具运用工程指导老师林建辉教授二零一七年十一月ClassifiedIndex:U270.7U.D.C:629SouthwestJiaotongUniversityDoctorDegreeDissertationRESEARCHONALUMINUMALLOYMATERIALSANDBEARINGDEFECTSOFHIGH-SPEEDTRAINBASEDONACOU
2、STICEMISSIONDETECTIONGrade:2011Candidate:DENGTaoAcademicDegreeAppliedfor:DoctorDegreeSpeciality:VehicleApplicationEngineeringSupervisor:Prof.LINJianhuiNov.2017-{西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保4留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权西南交通大学可以
3、将本论文的全部或部分内容编入有关数据库进行检索。,可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文本学位论文属于,1.保密□,在年解密后适用本授权书;^.不保密使用本授权书2。“”(请在以上方框内打V)学位论文作者签名:指导老师签名:1/5丨丨i日期Mi.iv日期:西南交通大学博士学位论文创新性声明本人郑重声明:所呈交的学位论文,是在导师指导下独立进行研宄工作所得的成果,。除文中己经注明引用的内容外本论文不包含任何其他个人或集体己经发表或撰写过的研宄成果。对本文的研究做出贡献的个人和集
4、体,均己在文中作了明确的说明。本人完全意识到本声明的法律结果由本人承担。本学位论文的主要创新点如下:一1()提出种改进自适应噪声优化完备经验模态分解方法,通过信号频率分布构造自适应添加噪声并限定一IMF筛选次数实现更小的模态混叠。提出种EMD局部阈IMF-LAE,避免小幅值声发射信号被掩盖自相关和K值降噪算法;建立了以散度识别一方信法号的方法,对连续声发射信号统计与表征提出种基于IMF分量包络线迭代值峨度,减小了计算量。一(2)提出以IMF分量排列熵分布来捕获声发射信号的方法,设计了种SVM多元强分类器,
5、在列车车体不同声发射源的识别上获得了较好效果。提出二阶奇异值差分谱方法更好适应了信号降噪需求,建立IMF分段相关新指数声达时差时间反转定位一方法对样本和波传递模型无依赖,在多源、多模式信号定位上有定优势。一M(3)在轮轴声发射检测中引入组稀疏分类实现多故障状态识别。设计了种CEEMDAN联合VMD自适获取原子的方法;利用多尺度排列熵设计了一种带索引一的复合故障冗余字典,加快了分类速度;提出种原子区间平移稀疏编码方法(ITSC),放宽了样本截取要求,分解稀疏性更佳;提出了利用VMD方法对声发射功率谱信号提取隐藏低频
6、调制波形从而快速判断轴承故障的方法。1-学位论文作者签名:#^.日期:西南交通大学博士研究生学位论文第I页摘要声发射检测(AcousticEmission,AE)用于高速列车状态监测相比其他无损检测方法可实时在线捕捉裂纹发生和扩展的动态过程,频率宽、信息量大,能更全面反映故障信息,但声发射的微弱性和敏感性使其实际分析与运用存在困难。文章主要对高速列车车体铝合金裂纹和轮轴缺陷声发射检测涉及的共性问题,即声发射信号的识别、降噪、表征、定位及故障分类等方面进行了研究。提出一种改进完备经验模态分解(ModifiedComplementa
7、ryEnsembleEmpiricalModeDecompositionwithAdaptiveNoise,MCEEMDAN)方法,在完备经验模态分解中结合信号自身频率分布与拟合的线性正弦曲线自适应的构造初始添加噪声,并限定各阶固有模态分量筛选次数来减小模态混叠和残余噪声干扰。针对列车长时间连续声发射监测,尝试以较小计算代价对声发射信号进行表征和统计,提出一种利用3σ准则分段设定阈值EMD降噪方法,避免小幅值声发射信号被全局阈值掩盖;从固有模态(IntrinsicModeFunction,IMF)入手,以自相关和K-L散度对AE信号的识别和
8、提取进行了研究,并提出一种基于IMF分量包络线迭代值峭度的声发射信号表征方法,分析不同强度噪声下该方法的实际效果,证明了其有效性。在MCEEMDAN分解的基础上,研究噪声影响下各
此文档下载收益归作者所有