基于振动信号分析的滚动轴承故障诊断研究

基于振动信号分析的滚动轴承故障诊断研究

ID:34875160

大小:5.99 MB

页数:70页

时间:2019-03-13

基于振动信号分析的滚动轴承故障诊断研究_第1页
基于振动信号分析的滚动轴承故障诊断研究_第2页
基于振动信号分析的滚动轴承故障诊断研究_第3页
基于振动信号分析的滚动轴承故障诊断研究_第4页
基于振动信号分析的滚动轴承故障诊断研究_第5页
资源描述:

《基于振动信号分析的滚动轴承故障诊断研究》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、-■遠寧价故*馨UniversitofScienceandTechnoloLiaoninygygt损±等恆巧交THES'ISFO民MASTERSDEGREE?f,一一"'?-..■*\基于振动信号分析的滚动轴承故障诊断研究作者姓名:张顯鑽指导教师:王克成安振哪教授专业领域:控制工程答辩日期:2015年6月5日分类号密级MUDC单位代码10146学^132085210371

2、硕:±:学位论文基于振动信号分析的滚动轴承故障诊断研究研究生姓名;张麵续指导教师韦巧成教授工化单份:圧宁科巧大学指导教贿安振刚教授工作单位:迂宁向导科技发展公司-论义摇々日斯---=20150606咎媒日期:20150605学位授予日期:授予单位:迁宁科技大学论文评阅人:整授工作单位;抒宁科巧大学论文评阅人:教授工作单位:鞍钢化檢驗中也答辩委员会主席:尚尔林教授工作单份=驗钢设计院独创性声明本人声明所呈交的论文是我个人在导师

3、指导下进行的研究工作及取得的研究成果,论文中不包含其他。尽我所知,除了文中特别加W标注和致谢的地方外人已经发表或撰写过的研究成果,也不包含为获得迂宁科技大学或其它教育机构一工志对本研所做的任何贡献均的学位或证用过的,与我同的同究书而使材料作已在论文了明的说明并表示了谢意。中作确'^论文作者签名:激筵曰期:鄉年月^日參关于论文使用授权明的说、,目:本人用的规定P学校有权完全了解迁宁科技大学有关保留使学位论文:的全部或部保留送交论文的复印件,允许论文被查阅和借阅学校可W公布论

4、文x。内容印、印或分,可y采用影缩其他复制手段保存论文。本学位论文属于:保密□在年解密后适用本授权书""旺V)(请W上方框不保密在内打/^处ik;茄玄年/论文作者签名;狐日期月日成公年指导导师签名;:^月《日日期甘?FaultDiagnosisResearchofRollingBearingBasedonTheAnalysisofVibrationSignalbyzhanghaobin(Majoringin)Supervisor:Prof.WangKechengAssocia

5、te:Prof.AnZhenggangMay5,2015中文摘要中文摘要滚动轴承广泛应用于工业生产设备中,是大型旋转机械设备必不可缺的重要部件,其运行状态直接关系着整个生产系统是否能够安全稳定的运行。为了避免事故的发生和经济损失,为此对滚动轴承进行状态监测和故障诊断具有极其重要的意义。滚动轴承运行时,其发出的振动信号包含着丰富的运行状态信息,通过采集滚动轴承运行时的振动信号并进行处理和分析,可完成对滚动轴承的状态监测。本文以滚动轴承的振动信号为分析对象,应用小波包分析、希尔伯特黄变换及支持向量机的多分类技术实

6、现了对滚动轴承的故障诊断。希尔伯特黄变换本身具有自适应性、完备性、正交性,其适合处理非线性、非平稳的旋转机械振动信号。然而在工业现场中采集到的振动信号往往包含大量噪声,信号本身的信噪比不高,使得希尔伯特黄变换很难达到准确的结果。本文为提高希尔伯特黄变换分析准确性,采用小波包对原始信号进行降噪处理,将小波包降噪后的信号进行EMD分解,使用峭度值和互相关系数对所有分解的内禀模态函数进行筛选,将筛选后的IMF进行希尔伯特包络分析,在包络谱中找到故障特征频率,从而发现故障类型。为了滚动轴承的故障诊断具有智能化,根据滚

7、动轴承发生不同故障类型或不同损伤程度时,其相同频段内信号的能量会发生变换这一特性,故本文提出将小波包能量提取技术与支持向量机的多分类技术相结合,对滚动轴承完成智能化故障诊断,为提高支持向量机的分类准确率,文中采用主成分分析(PCA)对归一化之后的特征向量进一步处理,使原有的8维特征向量降到3维特征向量,减少支持向量机的输入参数,进而提高了支持向量机分类的准确性和推广能力。本文利用MATLAB软件和LIBSVM工具箱两种方法进行实验仿真,实验结果表明:经过小波包降噪和峭度值与互相关系数的筛选可以得到具有代表早期

8、故障的内禀模态函数,对该函数进行希尔伯包络分析可以在其包谱中明显的发现故障特征频率,进而判断滚动轴承发生故障类型,然而该方法却无法判断故障损伤程度;通过结合小波包能量提取、主成分分析、支持向量机技术,不仅可以实现对不同类别的故障进行分类,也可以实现对不同损伤程度的识别。关键词:故障诊断;小波分析;希尔伯特黄变换;支持向量机;滚动轴承;振动分析iiABSTRACTABSTRACTRollingbear

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。