基于局部均值分解的旋转机械故障诊断技术研究

《基于局部均值分解的旋转机械故障诊断技术研究》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、硕士学位论文MASTER’SDISSERTATION论文题目基于局部均值分解的旋转机械故障诊断技术研究作者姓名王亚超学位类别工程硕士指导教师孟宗教授2015年5月-I-中图分类号：TH17学校代码：10216UDC：621.3密级：公开工程硕士学位论文（应用研究型）基于局部均值分解的旋转机械故障诊断技术研究硕士研究生：王亚超导师：孟宗教授副导师：翁德海高级工程师申请学位：工程硕士工程领域：仪器仪表工程所在单位：电气工程学院答辩日期：2015年5月授予学位单位：燕山大学-II-ADissertationinInstrumentandMeterEngineeringRESEARC

2、HONFAULTDIAGNOSISTECHNOLOGYFORROTATINGMACHINERYBASEDONLOCALMEANDECOMPOSITIONbyWangYachaoSupervisor:ProfessorMengZongYanshanUniversityMay,2015-III-燕山大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《基于局部均值分解的旋转机械故障诊断技术研究》，是本人在导师指导下，在燕山大学攻读硕士学位期间独立进行研究工作所取得的成果。论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，

3、均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签字：日期：年月日燕山大学硕士学位论文使用授权书《基于局部均值分解的旋转机械故障诊断技术研究》系本人在燕山大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归燕山大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全了解燕山大学关于保存、使用学位论文的规定，同意学校保留并向有关部门送交论文的复印件和电子版本，允许论文被查阅和借阅。本人授权燕山大学，可以采用影印、缩印或其它复制手段保存论文，可以公布论文的全部或部分内容。保密□，在年解密后适用本授权书。本学位论文属于不保密□。(请在以上相应方

4、框内打“√”)作者签名：日期：年月日导师签名：日期：年月日-IV-摘要摘要旋转机械在现代化机械设备占很大的比重，为其进行状态监测和故障诊断已经成为重要的研究课题。在故障诊断中，最关键的问题是提取故障特征信息和故障类型识别部分。局部均值分解(LocalMeanDecomposition，LMD)时频分析方法在分析机械振动信号时拥有很多优越之处，被广泛应用到旋转机械故障特征提取当中。然而，局部均值分解仍存在一些不足之处有待改进。本文重点研究了LMD时频分析方法的不足之处及改进办法，并研究了故障类型的模式识别方法和故障诊断系统的开发应用。首先，针对LMD存在的端点效应问题，分析其产

5、生原因，并提出一种改进的方法——最大相似系数法，通过仿真和实验研究的对比分析，验证方法的有效性。其次，针对进行旋转机械故障特征提取时存在的微弱高频信号难以提取的问题，以及LMD分解结果存在的虚假频率问题，提出基于微分局部均值分解(DifferentialLocalMeanDecomposition，DLMD)的故障诊断方法。采用仿真研究，验证该方法的可行性和有效性。并通过实际工程中的复合故障信号进行研究分析，验证该方法在实际应用中的可行性。然后，针对旋转机械故障类型的模式识别方面，将LMD方法与样本熵、模糊聚类结合，提出基于局部均值分解、样本熵和模糊聚类的旋转机械故障诊断方法

6、。该方法首先对旋转机械振动信号进行LMD分解，分解得到的乘积函数(ProductFunction，PF)求取样本熵，以此作为特征向量来建立模糊矩阵，进行模糊聚类分析和模式识别，实现故障的分类和诊断。最后，结合MATLAB和LabVIEW开发旋转机械故障诊断平台，应用LabVIEW图形化编程语言的优势和MATLAB强大的数据处理能力，进行机械故障诊断界面的设计和故障数据的处理。关键词：旋转机械；局部均值分解；故障诊断；端点效应；模糊聚类-V-燕山大学工学硕士学位论文AbstractRotatingmachineryaccountforlargeproportioninmoder

7、nmachineryequipment.Theconditionmonitoringandfaultdiagnosisofrotatingmachineryhasbecomeasignificantresearchtopic.Mechanicalfaultfeatureextractionandfaultdiagnosishasbeenthekeyoftheresearch.LocalMeanDecomposition(LMD)withadvantagestoanalyzethemechanicalvi