数据驱动的滚动轴承故障特征分析与诊断方法研究

《数据驱动的滚动轴承故障特征分析与诊断方法研究》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、博士学位论文数据驱动的滚动轴承故障特征分析与诊断方法研究RollingBearingsFaultFeatureAnalysisandDiagnosisMethodbasedonData-drivenModel作者：俞啸导师：丁恩杰教授中国矿业大学二○一七年十二月万方数据中图分类号TP391学校代码10290UDC621.3密级公开中国矿业大学博士学位论文数据驱动的滚动轴承故障特征分析与诊断方法研究RollingBearingsFaultFeatureAnalysisandDiagnosisMethodbasedonData-drivenModel作者俞啸导师丁恩杰申请学位工学博

2、士学位培养单位信息与控制工程学院学科专业信息与通信工程研究方向故障诊断答辩委员会主席葛晓虎评阅人二○一七年十二月万方数据学位论文使用授权声明本人完全了解中国矿业大学有关保留、使用学位论文的规定，同意本人所撰写的学位论文的使用授权按照学校的管理规定处理：作为申请学位的条件之一，学位论文著作权拥有者须授权所在学校拥有学位论文的部分使用权，即：①学校档案馆和图书馆有权保留学位论文的纸质版和电子版，可以使用影印、缩印或扫描等复制手段保存和汇编学位论文；②为教学和科研目的，学校档案馆和图书馆可以将公开的学位论文作为资料在档案馆、图书馆等场所或在校园网上供校内师生阅读、浏览。另外，根据有关

3、法规，同意中国国家图书馆保存研究生学位论文。(保密的学位论文在解密后适用本授权书)。作者签名：导师签名：年月日年月日万方数据致谢本论文是在恩师丁恩杰教授、师母刘晓文教授的悉心指导和殷切关怀下完成的，从论文的拟题到研究路线的选择，再到研究结果的分析与完善，每个细节都倾注了丁恩杰教授、刘晓文教授的悉心指导。师从数载，收获颇丰，感触亦深。丁恩杰老师、刘晓文老师优秀的做人品质、严谨细致的治学态度、开拓创新的探索精神、高屋建瓴把握全局的能力、忘我的工作精神为我树立了榜样，激励我更加努力，在科学研究的道路上奋发向上，使自己不辜负恩师的期望。在此，谨向我的恩师和师母致以崇高的敬意和深深的感谢

4、！感谢张申老师、孙彦景老师、华刚老师、赵强老师、胡俊峰老师、赵小虎老师、胡延军老师、王刚老师、刘鹏老师和吴响老师给予的关心与指导，在研究思路、论文撰写以及我在科研道路上遇到困惑和波折的时候，都能给予悉心的建议和鼓励。感谢董飞、吴守鹏、范春旸、范晋瑜、王昕、刘忠育、张雷、陈卿、刘晓明、苗曙光等一起在实验室学习的兄弟姐妹们，感谢与他们一起度过了一段美好又难忘的时光，感谢他们在工作和学习上都给予我很多宝贵的建议，在方向研究和论文撰写中更是给予我很大的帮助和支持。感谢母校多年来的培养，感谢学院所有帮助过我的老师和同学，没有你们的帮助和支持就没有本文的顺利结稿。感谢好友张立、卞水荣、王家

5、斌、臧昊等，他们在我迷茫困惑的时候为我排忧解难，他们的关心鼓励，让我不畏困难，坚持到底，顺利完成学业。感谢我的工作单位徐州医科大学对我学位攻读和论文撰写的大力支持，感谢我的领导和同事们在4年多的时间里给予我的支持，他们的关心和帮助让我能够处理好博士课题研究与教学工作之间的关系，才能够顺利完成论文的研究工作。感谢我的父母对我的养育和照顾，无论我身处何地，每时每刻都感受到你们对我的关心、理解和支持，你们无私的亲情和朴实的人格使我受益终生。感谢爱人左海维在我博士求学过程中默默的支持和理解，在我最艰苦的时候给予我的鼓励。是他们在生活和精神上巨大的关怀和无私奉献，支持和激励着我顺利地完成

6、了博士学习生涯，在此谨向他们表示衷心的感谢。本论文的完成得到了国家重点研发计划项目“矿山安全生产物联网关键技术与装备研发”(2017YFC0804400,2017YFC0804401)和国家重点基础研究发展计划(973)项目“深部危险煤层无人采掘装备关键基础研究”(2014CB046300)的支持。衷心感谢各位专家、学者在百忙之中对我的论文进行审阅及指导！万方数据摘要滚动轴承作为旋转机械设备的关键部件，一旦发生故障会严重影响机械设备的安全稳定运行。振动信号的时频分析是实现滚动轴承故障特征分析的有效手段，但经时频分析得到的初始特征集中存在冗余和干扰信息，需要从中选取出故障状态敏感

7、的特征；信号特征空间维数较高，需要利用降维方法得到状态表达能力更强的低维特征空间；传统模式识别方法难以适应高维特征空间与状态空间之间复杂的映射关系，深度学习方法具有高维特征自适应分析能力，适合于故障状态高维特征空间的智能分析，相关的应用研究处于起步阶段。针对以上问题开展研究工作。(1)研究基于集成经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD)的振动信号时频分析方法，利用EEMD将振动信号分解为本征模态函数(IntrinsicModeFuncti