發(fā)布時(shí)間：2020-07-18 21:39

【摘要】：旋轉(zhuǎn)機(jī)械在運(yùn)行過(guò)程中,滾動(dòng)軸承作為易損傷部件,極易發(fā)生故障。因此,對(duì)滾動(dòng)軸承故障診斷的研究十分重要。論文在分析滾動(dòng)軸承故障的研究現(xiàn)狀基礎(chǔ)上,針對(duì)振動(dòng)信號(hào)分解、信號(hào)分量的篩選和特征向量矩陣的構(gòu)建、以及分類識(shí)別等三個(gè)方面進(jìn)行研究,提出一種基于局部均值分解(Local mean decomposition,LMD)樣本熵(Sample Entropy,SampEn,SE)及參數(shù)遷移學(xué)習(xí)的滾動(dòng)軸承故障診斷方法。首先,分析了經(jīng)驗(yàn)?zāi)�態(tài)分解(Empirical Mode Decomposition,EMD)方法的特點(diǎn),指出其具有端點(diǎn)效應(yīng)及頻率混疊現(xiàn)象等缺陷。由此引出基于LMD的振動(dòng)信號(hào)特征提取方法,LMD方法將振動(dòng)信號(hào)自適應(yīng)地分解為多個(gè)具有物理意義的乘積函數(shù)(product function,PF)分量之和,減小了端點(diǎn)效應(yīng)對(duì)分解準(zhǔn)確性的影響,同時(shí)克服了對(duì)每個(gè)信號(hào)都要進(jìn)行希伯特分解的弊端,使分解具有更好的適應(yīng)性和準(zhǔn)確性。對(duì)相同信號(hào)分別使用EMD和LMD進(jìn)行分解,分解結(jié)果的時(shí)頻特性表明,LMD方法可以更好的抑制端點(diǎn)效應(yīng)和頻率混疊現(xiàn)象。然后,采用斯皮爾曼相關(guān)系數(shù)對(duì)LMD分解振動(dòng)信號(hào)后得到的各PF分量進(jìn)行篩選,篩選出足以表征原信號(hào)特征的分量,并提取其樣本熵構(gòu)成特征矩陣來(lái)突出表征原振動(dòng)信號(hào)中的故障信息,為軸承故障分類識(shí)別提供特征向量。接下來(lái),通過(guò)分析傳統(tǒng)機(jī)器學(xué)習(xí)對(duì)特征信號(hào)進(jìn)行分類識(shí)別時(shí)的局限性,提出一種基于參數(shù)遷移學(xué)習(xí)的特征信號(hào)分類識(shí)別新方法。通過(guò)規(guī)定源域和目標(biāo)域,對(duì)源域和目標(biāo)域進(jìn)行分析構(gòu)造映射函數(shù),然后對(duì)源域和目標(biāo)域特征向量進(jìn)行遷移映射得到目標(biāo)域的重映射,最后對(duì)目標(biāo)域參數(shù)進(jìn)行分類識(shí)別。通過(guò)仿真實(shí)驗(yàn)對(duì)比分析表明,基于參數(shù)遷移學(xué)習(xí)的故障識(shí)別方法具有更好的準(zhǔn)確性。最后,對(duì)本文提出的方法進(jìn)行實(shí)驗(yàn)驗(yàn)證及實(shí)際應(yīng)用。首先采用美國(guó)凱斯西儲(chǔ)大學(xué)(Case Western Reserve University,CWRU)的滾動(dòng)軸承故障信號(hào),采用本方法和SVM方法分別對(duì)軸承不同位置故障和同位置不同程度故障進(jìn)行對(duì)比診斷,證明了本方法的有效性和優(yōu)越性。然后將本文方法應(yīng)用在上海寶鋼實(shí)際采集的數(shù)據(jù)分析中,取得了良好的診斷效果。
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TH133.3
【圖文】：

第 5 章 滾動(dòng)軸承故障診斷實(shí)驗(yàn)采用來(lái)自 CWUR 公開(kāi)的試驗(yàn)平臺(tái)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，然后將本文際采集的數(shù)據(jù)分析中。模擬滾動(dòng)軸承故障數(shù)據(jù)采集平臺(tái)所公開(kāi)的振動(dòng)數(shù)據(jù)在滾動(dòng)軸承其廣泛的應(yīng)用，本文選取一根滾動(dòng)軸承篩選后的特征向量數(shù)的振動(dòng)信號(hào)作為仿真實(shí)驗(yàn)數(shù)據(jù)。首先對(duì)滾動(dòng)軸承的振動(dòng)信號(hào)，計(jì)算分解得到的各個(gè)分量的斯皮爾曼相關(guān)系數(shù)，根據(jù)斯皮爾足以表征分解信號(hào)的 PF 分量個(gè)數(shù)。然后對(duì)篩選出的各 PF 分參量矩陣來(lái)表征各 PF 分量。最后把特征參量進(jìn)行基于參數(shù)遷比對(duì)分類，驗(yàn)證本文提出方法的可行性和優(yōu)越性。承故障診斷實(shí)驗(yàn)仿真數(shù)據(jù)來(lái)源介紹stern Reserve University 的實(shí)驗(yàn)?zāi)�擬平臺(tái)如圖 5-1 所示。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 屈強(qiáng);尉寶元;;197726型滾動(dòng)軸承故障產(chǎn)生原因及對(duì)策[J];京鐵科技通訊(太原刊);2002年01期

2 賀天成;范云鵬;寧中赫;;利用包絡(luò)解調(diào)技術(shù)分析診斷滾動(dòng)軸承故障[J];冶金動(dòng)力;2020年01期

3 聶海燕;;滾動(dòng)軸承故障診斷方法綜述[J];內(nèi)燃機(jī)與配件;2019年23期

4 陳松;陳立愛(ài);;經(jīng)驗(yàn)?zāi)�態(tài)分解和神經(jīng)網(wǎng)絡(luò)在滾動(dòng)軸承故障診斷中應(yīng)用研究[J];安徽建筑大學(xué)學(xué)報(bào);2016年04期

5 倪安福;;基于包絡(luò)譜分析的滾動(dòng)軸承故障診斷方法研究[J];煤礦機(jī)械;2017年02期

6 秦波;孫國(guó)棟;陳帥;王祖達(dá);王建國(guó);;排列熵與核極限學(xué)習(xí)機(jī)在滾動(dòng)軸承故障診斷中的應(yīng)用[J];組合機(jī)床與自動(dòng)化加工技術(shù);2017年02期

7 李衛(wèi);;非平穩(wěn)工況的滾動(dòng)軸承故障特征研究新方法[J];機(jī)械設(shè)計(jì)與研究;2017年01期

8 汪治安;夏均忠;但佳壁;于明奇;呂麒鵬;;循環(huán)平穩(wěn)在滾動(dòng)軸承故障診斷中的應(yīng)用[J];軍事交通學(xué)院學(xué)報(bào);2017年06期

9 陳慧;胡俊鋒;熊國(guó)良;;基于小波包分解與權(quán)重包絡(luò)譜的滾動(dòng)軸承故障特征增強(qiáng)[J];機(jī)械設(shè)計(jì)與研究;2017年03期

10 陳雷;;滾動(dòng)軸承故障診斷實(shí)例[J];設(shè)備管理與維修;2016年10期

相關(guān)會(huì)議論文 前10條

1 崔寶珍;王澤兵;潘宏俠;;小波包分析和模糊聚類方法在滾動(dòng)軸承故障診斷中應(yīng)用[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

2 和衛(wèi)星;陳曉平;馬東玲;;基于混沌時(shí)間序列的滾動(dòng)軸承故障局部預(yù)測(cè)[A];2009中國(guó)儀器儀表與測(cè)控技術(shù)大會(huì)論文集[C];2009年

3 張益純;;常見(jiàn)滾動(dòng)軸承故障診斷的技術(shù)探討[A];第十屆全國(guó)設(shè)備監(jiān)測(cè)與診斷技術(shù)學(xué)術(shù)會(huì)議論文集[C];2000年

4 李放寧;;峰值能量在滾動(dòng)軸承故障診斷中的應(yīng)用[A];第十屆全國(guó)設(shè)備監(jiān)測(cè)與診斷技術(shù)學(xué)術(shù)會(huì)議論文集[C];2000年

5 李興林;;滾動(dòng)軸承故障診斷技術(shù)現(xiàn)狀及發(fā)展[A];2009年全國(guó)青年摩擦學(xué)學(xué)術(shù)會(huì)議論文集[C];2009年

6 崔寶珍;王澤兵;潘宏俠;;小波包分析和模糊聚類方法在滾動(dòng)軸承故障診斷中的應(yīng)用[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文摘要集[C];2007年

7 閔勇;郭一楠;閆俊榮;;基于貪心算法的滾動(dòng)軸承故障診斷特征提取[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

8 楊積忠;左立建;;滾動(dòng)軸承故障診斷實(shí)例[A];設(shè)備監(jiān)測(cè)與診斷技術(shù)及其應(yīng)用——第十二屆全國(guó)設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集[C];2005年

9 古瑩奎;楊子茜;朱繁龍;;基于主成分分析的滾動(dòng)軸承故障特征融合分析[A];2014年全國(guó)機(jī)械行業(yè)可靠性技術(shù)學(xué)術(shù)交流會(huì)暨可靠性工程分會(huì)第五屆委員會(huì)成立大會(huì)論文集[C];2014年

10 王俊鋒;申永軍;;高階統(tǒng)計(jì)量在滾動(dòng)軸承故障診斷中的應(yīng)用研究[A];第十四屆全國(guó)非線性振動(dòng)暨第十一屆全國(guó)非線性動(dòng)力學(xué)和運(yùn)動(dòng)穩(wěn)定性學(xué)術(shù)會(huì)議摘要集與會(huì)議議程[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 池永為;滾動(dòng)軸承故障的振動(dòng)特性分析與智能診斷方法研究[D];浙江大學(xué);2018年

2 王洪偉;航空發(fā)動(dòng)機(jī)滾動(dòng)軸承故障診斷與預(yù)測(cè)關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2015年

3 葛慧敏;車輛滾動(dòng)軸承故障診斷建模及關(guān)鍵技術(shù)研究[D];江蘇大學(xué);2017年

4 廖強(qiáng);約束獨(dú)立分量和多小波分析在滾動(dòng)軸承故障診斷中的應(yīng)用[D];電子科技大學(xué);2016年

5 王聰;基于稀疏表達(dá)的機(jī)械信號(hào)處理方法及其在滾動(dòng)軸承故障診新中的應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

6 徐劍;基于短時(shí)奇異譜分析的滾動(dòng)軸承故障診斷方法研究[D];浙江大學(xué);2017年

7 曾鳴;基于凸包的模式識(shí)別方法及其在滾動(dòng)軸承故障診斷中的應(yīng)用[D];湖南大學(xué);2016年

8 郝騰飛;航空發(fā)動(dòng)機(jī)滾動(dòng)軸承故障的核方法智能識(shí)別技術(shù)研究[D];南京航空航天大學(xué);2014年

9 于江林;滾動(dòng)軸承故障的非接觸聲學(xué)檢測(cè)信號(hào)特性及重構(gòu)技術(shù)研究[D];大慶石油學(xué)院;2009年

10 Ao Hung Linh（池雄嶺）;基于化學(xué)反應(yīng)優(yōu)化算法和支持向量機(jī)的滾動(dòng)軸承故障診斷方法研究[D];湖南大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 逯全波;基于改進(jìn)VMD的滾動(dòng)軸承故障無(wú)線監(jiān)測(cè)系統(tǒng)[D];重慶三峽學(xué)院;2018年

2 李志;基于模態(tài)分解的滾動(dòng)軸承故障診斷方法研究及應(yīng)用[D];內(nèi)蒙古科技大學(xué);2019年

3 張琳;基于同步提取變換的變轉(zhuǎn)速工況下滾動(dòng)軸承故障診斷方法研究[D];石家莊鐵道大學(xué);2019年

4 金治彬;基于時(shí)頻變換與階比分析的變轉(zhuǎn)速滾動(dòng)軸承故障診斷研究[D];石家莊鐵道大學(xué);2019年

5 武薇;基于排列熵理論的滾動(dòng)軸承故障診斷研究[D];石家莊鐵道大學(xué);2019年

6 趙靖;強(qiáng)背景噪聲下鐵路列車滾動(dòng)軸承故障特征提取方法研究[D];石家莊鐵道大學(xué);2019年

7 薛海峰;滾動(dòng)軸承故障診斷方法研究[D];石家莊鐵道大學(xué);2018年

8 張安;基于SVD的滾動(dòng)軸承故障特征提取[D];石家莊鐵道大學(xué);2019年

9 陸子鳴;基于NLM-VMD和度量學(xué)習(xí)的滾動(dòng)軸承故障診斷研究[D];華中科技大學(xué);2019年

10 陸超;基于局部均值分解樣本熵及參數(shù)遷移學(xué)習(xí)的軸承故障診斷[D];燕山大學(xué);2019年

本文編號(hào)：2761461