資源描述：
《基于非平穩(wěn)信號(hào)分析的滾動(dòng)軸承故障診斷研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、碩士學(xué)位論文MASTER’SDISSERTATION論文題目基于非平穩(wěn)信號(hào)分析的滾動(dòng)軸承故障診斷研究作者姓名李玉奎學(xué)位類別工程碩士指導(dǎo)教師臧懷剛副教授2015年5月中圖分類號(hào)：TH133.33學(xué)校代碼：10216UDC：621.3密級(jí)：公開(kāi)工程碩士學(xué)位論文(應(yīng)用研究型)基于非平穩(wěn)信號(hào)分析的滾動(dòng)軸承故障診斷研究碩士研究生：李玉奎導(dǎo)師：臧懷剛副教授副導(dǎo)師劉蘭祥主任醫(yī)師申請(qǐng)學(xué)位：工程碩士工程領(lǐng)域：控制工程所屬學(xué)院：電氣工程學(xué)院答辯日期：2015年5月授予學(xué)位單位：燕山大學(xué)ADissertationinControlEngineeringNON-STATIONA
2、RYSIGNALANALYSISFORROLLINGBEARINGFAULTDIAGNOSISbyLiYukuiSupervisor:AssociateProfessorZangHuaigangYanshanUniversityMay,2015燕山大學(xué)碩士學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：此處所提交的碩士學(xué)位論文《基于非平穩(wěn)信號(hào)分析的滾動(dòng)軸承故障診斷研究》，是本人在導(dǎo)師指導(dǎo)下，在燕山大學(xué)攻讀碩士學(xué)位期間獨(dú)立進(jìn)行研究工作所取得的成果。論文中除已注明部分外不包含他人已發(fā)表或撰寫(xiě)過(guò)的研究成果。對(duì)本文的研究工作做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式注明。本
3、聲明的法律結(jié)果將完全由本人承擔(dān)。作者簽字：日期：年月日燕山大學(xué)碩士學(xué)位論文使用授權(quán)書(shū)《基于非平穩(wěn)信號(hào)分析的滾動(dòng)軸承故障診斷研究》是本人在燕山大學(xué)攻讀碩士學(xué)位期間在導(dǎo)師指導(dǎo)下完成的碩士學(xué)位論文。本論文的研究成果歸燕山大學(xué)所有，本論文的研究?jī)?nèi)容不得以其它單位的名義發(fā)表。本人完全了解燕山大學(xué)關(guān)于保存、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向有關(guān)部門(mén)送交論文的復(fù)印件和電子版本，允許論文被查閱和借閱。本人授權(quán)燕山大學(xué)，可以采用影印、縮印或其它復(fù)制手段保存論文，可以公布論文的全部或部分內(nèi)容。保密□，在年解密后適用本授權(quán)書(shū)。本學(xué)位論文屬于不保密□√。(請(qǐng)?jiān)谝陨舷鄳?yīng)方框內(nèi)打
4、“√”)作者簽名：日期：年月日導(dǎo)師簽名：日期：年月日摘要摘要滾動(dòng)軸承廣泛應(yīng)用于工業(yè)生產(chǎn)中，其作為機(jī)械設(shè)備的核心部件，運(yùn)行狀態(tài)直接影響到機(jī)械設(shè)備的可靠性及穩(wěn)定性。因此，對(duì)滾動(dòng)軸承進(jìn)行故障診斷對(duì)于機(jī)械設(shè)備的運(yùn)行維護(hù)具有重要意義。故障信息的特征提取是軸承故障診斷的關(guān)鍵，本文針對(duì)滾動(dòng)軸承故障診斷，運(yùn)用局域均值分解（LocalMeanDecomposition,LMD）、形態(tài)濾波和近似熵理論,分別從信號(hào)濾波去噪和信號(hào)序列復(fù)雜度的角度出發(fā)，對(duì)滾動(dòng)軸承振動(dòng)信號(hào)提取方法進(jìn)行了實(shí)驗(yàn)研究，為滾動(dòng)軸承故障診斷的特征提取提供了理論依據(jù)。論文的主要研究工作如下：(1)針對(duì)滾動(dòng)軸承
5、振動(dòng)信號(hào)的非平穩(wěn)性特點(diǎn)，以及實(shí)際故障特征信號(hào)難以提取的問(wèn)題，研究了局域均值分解方法，該方法能將復(fù)雜的非平穩(wěn)信號(hào)分解成一系列調(diào)幅調(diào)頻函數(shù)，實(shí)現(xiàn)信號(hào)中不同調(diào)制頻率成分的分離，能有效的分離出故障成分，可應(yīng)用到實(shí)際滾動(dòng)軸承振動(dòng)信號(hào)的分解中。(2)針對(duì)實(shí)際軸承振動(dòng)信號(hào)噪聲干擾嚴(yán)重的問(wèn)題，研究了形態(tài)濾波算法在振動(dòng)信號(hào)處理中的應(yīng)用，并研究了基于信號(hào)極值點(diǎn)確定形態(tài)濾波結(jié)構(gòu)元素長(zhǎng)度的自適應(yīng)形態(tài)濾波方法，該方法能在保持原信號(hào)面貌的基礎(chǔ)上，最大程度的抑制沖擊脈沖噪聲的影響，并將濾波后的信號(hào)進(jìn)行局域均值分解提取故障特征信息，仿真實(shí)驗(yàn)表明將形態(tài)濾波與局域均值分解相結(jié)合能有效提取信
6、號(hào)中的故障特征信息。(3)最后從描述信號(hào)復(fù)雜度的角度出發(fā)，采用基于LMD的多尺度近似熵方法，對(duì)軸承振動(dòng)信號(hào)進(jìn)行故障特征提取，該方法能有效區(qū)分不同的故障類型，比近似熵具有更強(qiáng)的抗干擾能力，獲取更多的故障特征信息，仿真實(shí)驗(yàn)和實(shí)例分析表明，該方法可以應(yīng)用到軸承故障特征提取中，判斷軸承的運(yùn)行狀態(tài)。關(guān)鍵詞：滾動(dòng)軸承；局域均值分解；形態(tài)濾波；近似熵；故障診斷-I-燕山大學(xué)工程碩士學(xué)位論文AbstractRollingbearingsiswidelyusedinindustrialproduction,asacorepartofmechanicalequipment,
7、itsoperatingconditionsdirectlyaffectthereliabilityandstabilityofthemachineryandequipment.Therefore,therollingbearingfaultdiagnosisformechanicalequipmentoperationmaintenanceisofgreatsignificance.Thecharacteristicsofthefaultinformationextractionarethekeytothebearingfaultdiagnosis.I
8、nthispaper,forrollingbearingfaultdiagnos
