滚动轴承故障特征提取方法研究

《滚动轴承故障特征提取方法研究》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、分类号密级公开UDC学位论文题目：滚动轴承故障特征提取方法研究研究生姓名：裴爱岭学科专业名称：控制工程研究方向：机电设备的状态监测与智能控制论文类型：应用研究申请学位：工程硕士指导教师姓名：徐涛指导教师职称：副教授指导教师单位：沈阳航空航天大学论文提交日期：2015年1月06日论文答辩日期：2015年3月10日沈阳航空航天大学2015年03月SHENYANGAEROSPACEUNIVERSITYTHESISFORMASTER’SDEGREERESEARCHOFROLLINGBEARINGFAULTFEATUREEX

2、TETRACTIONCandidate：AilingPeiSupervisor：TaoXuSpecialty:ControlEngineeringDate:March2015沈阳航空航天大学硕士学位论文摘要作为机械设备的核心部件之一，滚动轴承运转状态的正常与否对机械设备的安全生产和性能具有很大程度的影响，这就使得对滚动轴承进行故障诊断成为具有实际意义的研究课题。只有提取最能代表故障状态的特征才能有效地进行故障诊断，因此对特征提取技术的研究越来越备受重视，成为故障诊断技术的重中之重。时频分析是滚动轴承非平稳振动信号处

3、理的主要分析方法。小波分析具有紧支性且能在时域和频域实现信号的分解和重构，谐波小波分析具有很好的盒形谱特性并有明确的时域和频域表达式。但是小波和谐波小波对信号不能在任意频段进行分解，谐波小波包可做到对信号的任意频段进行无限细化分解，同时具备优良紧支性和盒形谱特性。本文用谐波小波包做特征提取再用SVM分类器进行故障识别，在实验室环境下与其它方法作对比分析验证了谐波小波包分解方法的有效性。对具有复杂性且数据规模庞大的故障特征数据可采用主元分析的思路进行约简，并将核函数引入主元分析得到核主元分析(KPCA)以解决数据线性

4、不可分的问题。提出先用谐波小波包方法对数据做初次特征提取再用KPCA进行二次特征提取的新方法，利用美国西储大学电气工程实验室滚动轴承试验台的振动数据验证了采用KPCA做二次特征提取方法的有效性。总结并分析几种常用的故障特征评价方法，指出各评价方法的适用对象和适用特点，为特征评价方法的研究提供了便利。关键词：滚动轴承；特征提取；谐波小波包；KPCA；特征评价I沈阳航空航天大学硕士学位论文AbstractAsoneofthemostimportantpartsinmechanicalequipment,thenorma

5、lworkingstateofrollingbearinghasgreatlyeffectsontheperformanceandsafetyinproduction.Itismeaningfultostudythefaultdiagnosismethodsforrollingbearing.Afterextractingthefeaturewhichrepresentsfaultcharacteristics,thefaultscanbediagnosedeffectively.Therefore,therese

6、archoffeatureextractionisgettingmoreandmoreattentionandbecomesthekeytofaultdiagnosis.Thetime-frequencyanalysisisthemainanalysismethodforunstablevibrationsignalsofrollingbearing.Thewaveletanalysishascompactsupportcharacteristicandimplementsthedecompositionandre

7、constructionforsignalintime-frequencydomain.Furthermore,harmonicwaveletanalysishasgoodboxspectrumcharacteristicandspecificexpressionintimeandfrequencydomain.Butwaveletanalysisandharmonicwaveletcan'tbedividedatanyfrequencywithgoodcompactsupportbaseandboxspectru

8、mfeatures.Harmonicwaveletpacketcandividesignalunlimitedlyatanyfrequency.TheharmonicwaveletpacketfeatureextractiontechnologyandSVMarecombinedtoextractfaultfeaturestoverifythevalidit