基于非平穩(wěn)時序分析的滾動軸承故障診斷方法的研究 (1)

《基于非平穩(wěn)時序分析的滾動軸承故障診斷方法的研究 (1)》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、分類號密級基于非平穩(wěn)時序分析的滾動軸承故障診斷方法研究ResearchonFaultDiagnosisofRollingBearingBasedonNon-stationarySequenceAnalysis研究生姓名：魏巍指導(dǎo)教師姓名、職稱：彭濤教授學(xué)科專業(yè)：控制理論與控制工程研究方向：信號處理與模式識別論文答辯日期答辯委員會主席湖南工業(yè)大學(xué)二○一二年五月三十一日萬方數(shù)據(jù)湖南工業(yè)大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨立進行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的作品成果。

2、對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本人完全意識到本聲明的法律結(jié)果由本人承擔(dān)。作者簽名：日期：年月日湖南工業(yè)大學(xué)論文版權(quán)使用授權(quán)書本人了解湖南工業(yè)大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留學(xué)位論文，允許學(xué)位論文被查閱和借閱；學(xué)?？梢怨紝W(xué)位論文的全部或部分內(nèi)容，可以采用復(fù)印、縮印或其他手段保存學(xué)位論文；學(xué)校可根據(jù)國家或湖南省有關(guān)部門規(guī)定送交學(xué)位論文。作者簽名：導(dǎo)師簽名：日期：年月日萬方數(shù)據(jù)摘要滾動軸承振動信號是由不同零部件振動耦合而成，且滾動軸承工作環(huán)境極為復(fù)雜，因此具有非常明顯的非平穩(wěn)性，如何從振動信號中提取能夠準確反應(yīng)滾動軸承工

3、作狀態(tài)的特征量成為對其進行故障診斷關(guān)鍵所在。本文以對滾動軸承振動信號的分析為基礎(chǔ)，重點研究了基于時序分析的經(jīng)驗?zāi)B(tài)分解和時變自回歸模型方法在滾動軸承故障診斷中的應(yīng)用。針對經(jīng)驗?zāi)B(tài)分解后選擇固有模態(tài)函數(shù)時具有盲目性的問題，提出一種基于能量閥值的固有模態(tài)函數(shù)篩選方法，實現(xiàn)了對各固有模態(tài)函數(shù)進行自適應(yīng)篩選的目的，進而實現(xiàn)對信號故障信息的重構(gòu)，為進一步的特征提取打下基礎(chǔ)。針對傳統(tǒng)的EMD能量特征提取方法在滾動軸承故障診斷中識別率較低的問題，通過將正常信號視為歷史信號，提出一種提取相同工況條件下正常信號與故障信號各固有模態(tài)函數(shù)能量比構(gòu)建特征向量的特征提取方法，對有效提取滾動軸承

4、的運行特征，進而實現(xiàn)軸承的在線故障診斷，提供了一種新的解決思路。針對傳統(tǒng)TVAR模型特征提取中存在建模不準確的問題，提出一種提取建模過程中的模型階次判定值構(gòu)建特征向量的特征提取方法，從而避免了對不同樣本信號建立相同階次模型所造成模型不準確的問題，對有效提取滾動軸承的運行特征提供了新的解決思路。仿真實驗表明，本文所提出的非平穩(wěn)信號特征提取方法能夠有效地、準確地識別滾動軸承在不同工況條件下的不同故障類型。關(guān)鍵詞：非平穩(wěn)性，時序分析，特征提取，滾動軸承，故障診斷I萬方數(shù)據(jù)ABSTRACTTherollingbearingvibrationsignaliscoupledwit

5、hvibrationsofdifferentcomponentsofthemachineandtheworkingenvironmentisverycomplex,ithastheobviousofnon-stationary.Thekeystepishowtoavailablyextractthefaultfeaturesthatcanaccuratelyreflectthestateofthebearingfromthevibrationsignals.Basedonanalysisofvibrationsignaloftherollingbearings,the

6、focusofthisarticleistheapplyingofempiricalmodedecomposition(EMD)andtime-varyingautoregressive(TVAR)modelsinrollingbearingfaultdiagnosismethod.AccordingtotheblindnessofselectingtheIMF,aadaptivescreeningideaofIMFbasedontheEMDenergythreshold,isproposed.Then,theselectedIMFisreconstructed,wh

7、ichistolaythefoundationforthefurtherextraction.Accordingtotheproblemofthetraditionalenergyfeatureextraction,basedonEMD,resultsinalowrecognitionrateofbearingfault,anewfeatureextractionmethod,extractingtheenergyratioofIMFofthefaultandnormalsignalinthesameconditions,isproposed.Iti