论文题目: 基于小波分析的滚动轴承故障诊断方法研究与应用
论文类型: 硕士论文
论文专业: 信号与信息处理
作者: 崔宝珍
导师: 潘宏侠
关键词: 故障诊断,小波分析,滚动轴承,特征提取
文献来源: 中北大学
发表年度: 2005
论文摘要: 滚动轴承是旋转机械中应用最为广泛的机械零件,也是最易损坏的元件之一。旋转机械的许多故障都与滚动轴承有关,轴承工作性能的好坏直接影响到与之相关联的轴以及安装在转轴上的齿轮乃至整台机器设备的性能。其缺陷通常使设备产生异常的振动和噪声,发展成故障就将造成设备损坏,甚至发生灾难性事故。因此,开展对滚动轴承的故障诊断具有很现实的意义。 本文从理论上分析总结了滚动轴承典型故障产生的机理,并建立了不同故障状态下的理论模型。滚动轴承的振动信号相当复杂,除反映有关轴承本身工作情况的信息外,也包含了大量机械中其它运动部件和结构的信息,因此如果仅仅只从时域或频域对滚动轴承的振动信号进行分析,则很难发现故障前后的变化,而联合时频域的特性来识别这类信号,提供时频域的综合信息,无疑会提高诊断的准确性和可靠性,于是提出并研究了一种新的滚动轴承故障诊断技术——基于小波分析的时频诊断法。 由于齿轮减速器内滚动轴承的振动信号对尺度比对时间更敏感,因此可以提取信号对尺度的特征信息;本文利用连续小波变换方法将滚动轴承振动信号的特征信息转化为能量谱与尺度的关系,进而建立尺度-能量相对应的特征向量,为滚动轴承的快速诊断提供了新方法。为了精确诊断故障类型,本文首次提出应用小波包多层分解、重构提取滚动轴承各部件的故障特征频率和各层最低结点的能量特征。根据小波包分析的特点、性质最大分解尺度下的低频系数代表着信号的发展趋势,借此可以粗略判断滚动轴承的运行状况是否正常,并且该方法可以提取任意频段的特征频率,有效抑制噪声,为强噪声背景下提取弱信号开辟了新思路。为了定性的评价提取的特征向量能否很好的表征振动信号,利用多参量模糊聚类的方法对滚动轴承进行故障诊断,结合所提取的特征频率,即可对故障进行了准确定位。经对大量实测数据的处理和分析,诊断结果是令人满意的,这说明小波包分析确实为滚动轴承故障诊断提供了强有力的分析手段。
论文目录:
第一章 引言
1.1 设备故障诊断技术在国内外的发展概况
1.2 滚动轴承故障诊断研究的意义及发展概况
1.3 小波分析理论的应用研究及在故障诊断中的应用进展
1.4 本文的主要研究内容
第二章 滚动轴承的故障及诊断技术
2.1 滚动轴承的结构
2.2 滚动轴承失效的基本形式
2.3 滚动轴承故障的振动诊断
2.3.1 滚动轴承的振动机理及故障特征频率
2.3.2 滚动轴承有异常时的振动特性
2.4 滚动轴承元件表面有损伤点的理论模型
2.4.1 外环上有单个损伤点的理论模型
2.4.2 内环上有单个损伤点的理论模型
2.4.3 单个滚动体上有单个损伤点的理论模型
2.4.4 滚动轴承元件有多个损伤点的理论模型
第三章 小波分析的基本理论
3.1 小波分析概述
3.2 小波识别原理
3.3 小波变换及其工程解释
3.3.1 连续小波变换
3.3.2 离散小波变换
3.3.3 小波包分析
3.3.4 小波分析的直观理解及其工程解释
3.4 小波分析的应用技术
3.4.1 小波分析用于信号消噪处理
3.4.2 小波分析用于信号的特征提取
3.4.3 对某些频率区间的信号进行抑制或衰减
3.4.4 信号奇异性检测
3.4.5 识别含噪声信号中有用信号的发展趋势
第四章 实验数据的采集及处理
4.1 实验目的
4.2 滚动轴承振动测试实验
4.2.1 实验对象
4.2.2 实验装置
4.2.3 测点的布置及传感器的选择
4.2.4 实验内容
4.2.5 实验方法
4.2.6 实验说明
4.3 常规的机械故障快速诊断方法
4.3.1 特征向量提取的基本概念和任务
4.3.2 时域特征提取
4.3.3 频域特征提取
4.4 基于小波分析的滚动轴承振动信号的处理
4.4.1 基于连续小波变换的滚动轴承振动信号的特征提取方法
4.4.2 基于小波包分解的滚动轴承运行状态特征向量提取方法
4.4.3 小结
第五章 模式识别及滚动轴承的故障诊断
5.1 模糊模式识别
5.2 基于模糊聚类的故障诊断方法
5.2.1 模糊数学分析基础
5.2.2 滚动轴承模糊聚类故障诊断
5.2.3 总结
第六章 结论
参考文献
攻读硕士学位期间发表的论文
致谢
发布时间: 2005-05-09
参考文献
- [1].基于局部特征尺度分解的滚动轴承故障诊断方法[D]. 杨潘.湖南大学2014
- [2].基于支持向量机的滚动轴承故障诊断方法研究[D]. 杨敏敏.江西理工大学2012
- [3].滚动轴承故障诊断方法改进与研究[D]. 张晴.青岛大学2018
- [4].基于振动特征提取的滚动轴承故障诊断方法研究[D]. 廖星智.昆明理工大学2014
- [5].滚动轴承故障非接触多传感器声信号融合及诊断技术研究[D]. 苏宪章.东北石油大学2012
- [6].数据驱动滚动轴承故障诊断研究[D]. 苏阳.沈阳大学2012
- [7].基于振动信号的滚动轴承故障诊断研究[D]. 陈夔蛟.西安电子科技大学2011
- [8].基于神经网络的滚动轴承故障诊断研究[D]. 吴歌.哈尔滨工业大学2008
- [9].基于多传感器信息融合的滚动轴承故障诊断研究[D]. 刘春光.青岛理工大学2009
- [10].基于小波分析的滚动轴承故障诊断方法研究[D]. 曾芸.南昌大学2007
相关论文
- [1].基于振动信号的滚动轴承故障诊断的方法研究[D]. 崔硕.太原理工大学2007
- [2].基于小波分析的滚动轴承故障诊断方法研究[D]. 曾芸.南昌大学2007
- [3].基于小波分析的滚动轴承故障诊断方法研究[D]. 郭计云.中北大学2007
- [4].基于小波分析的滚动轴承故障诊断方法的研究及应用[D]. 姜小荧.大连理工大学2005
- [5].基于小波变换的滚动轴承故障诊断系统的研究与开发[D]. 赵志宇.大连理工大学2005
- [6].基于应力波与小波分析的低速滚动轴承故障诊断研究[D]. 卜楠楠.沈阳工业大学2005
- [7].基于振动信号的滚动轴承故障诊断方法研究[D]. 孔亚林.大连理工大学2006
- [8].基于小波包分析的滚动轴承故障智能诊断[D]. 黄建鸿.南昌大学2005
- [9].滚动轴承故障诊断的信号采集与处理系统[D]. 刘夏.南昌大学2006
- [10].基于小波分析的滚动轴承故障诊断方法研究[D]. 万良虹.华北电力大学（北京）2004