基于EEMD的旋转机械故障诊断方法研究

发布时间：2017-04-01 14:16

  本文关键词：基于EEMD的旋转机械故障诊断方法研究，由笔耕文化传播整理发布。

【摘要】：旋转机械设备是工业生产中的关键设备，它的运行状态关系着企业的安全生产和经济效益，因此，对其进行状态监测与故障诊断有重要的意义。旋转机械设备发生故障时，会产生异常振动。它的振动信号中含有丰富的机器信息，因而对其振动信号进行分析，进而判断故障类型是一种行之有效的方法。旋转机械故障振动信号大多数都是非线性、非平稳的，传统的信号分析方法已经不能满足故障振动信号处理的要求，因此，有必要选择恰当的适合非线性、非平稳信号分析的信号处理方法。 时频分析方法能够同时提供振动信号时域和频域的信息，因而被广泛应用于旋转机械故障诊断中。本文介绍了常用的时频分析方法，如短时傅里叶变换、Wigner-Ville分布、小波变换等。这几种方法对于处理非线性、非平稳的振动信号都存在一定的缺点和不足。Huang提出的自适应时频分析方法Hilbert-Huang变换对于处理非线性、非平稳的信号处理效果较传统的时频分析方法更能凸显信号的局部特征。但Hilbert-Huang变换中的经验模式分解存在模态混叠的问题，Huang又提出了一种噪声辅助分析的方法——总体平均经验模式分解，简称为EEMD。 本文主要研究基于EEMD的旋转机械故障诊断方法，首先对EEMD算法原理进行深入研究，并对其抗模态混叠性能进行分析。针对EEMD算法中参数设置问题，提出了加入白噪声的能量标准差法。同时采用基于相关系数的方法来提取有效本征模式分量，有效去除了EEMD分解过程中产生的虚假模式分量。 本文还研究了旋转机械两个重要元件滚动轴承和齿轮的故障振动机理及故障信号特征。根据滚动轴承、齿轮的故障模型，模拟仿真验证了算法的有效性。并对实际的滚动轴承和齿轮振动信号应用改进EEMD算法进行处理，同时应用基于改进EEMD算法的包络谱分析方法及计算本征模式分量奇异值熵的方法进行故障诊断仿真。并基于MATLAB设计时频谱图分析方法以及改进EEMD算法诊断系统界面，，可以对结果更直观的进行观察、分析。
【关键词】：旋转机械 总体平均经验模式分解 模态混叠 特征提取 故障诊断
【学位授予单位】：哈尔滨理工大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH165.3;TN911.7
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-14
• 1.1 课题研究的目的和意义10
• 1.2 国内外旋转机械故障诊断技术研究现状10-11
• 1.3 旋转机械故障特征提取方法的研究现状11-13
• 1.4 本文研究的主要内容13-14
• 第2章 特征提取的时频分析方法研究及比较14-27
• 2.1 短时傅里叶变换14
• 2.2 Wigner-Ville 分布14-15
• 2.3 小波变换15-17
• 2.4 Hilbert-Huang 变换17-21
• 2.4.1 瞬时频率和本征模式函数17-19
• 2.4.2 经验模式分解(EMD)19-20
• 2.4.3 Hilbert 谱及 Hilbert 边际谱20-21
• 2.5 几种时频分析方法性能比较21-26
• 2.6 本章小结26-27
• 第3章 EEMD 算法研究及改进27-41
• 3.1 EEMD 算法基本原理27-29
• 3.2 抗模态混叠性能分析29-31
• 3.3 EEMD 算法改进31-33
• 3.3.1 EEMD 算法参数设置分析31-32
• 3.3.2 有效本征模式函数提取32-33
• 3.3.3 改进算法软件仿真流程图33
• 3.4 旋转机械故障模型仿真分析33-40
• 3.4.1 滚动轴承故障模型34-35
• 3.4.2 仿真信号实验分析35-37
• 3.4.3 齿轮故障模型37-38
• 3.4.4 仿真信号实验分析38-40
• 3.5 本章小结40-41
• 第4章 基于改进 EEMD 算法在故障诊断中应用41-51
• 4.1 滚动轴承的故障特征提取41-44
• 4.1.1 滚动轴承振动机理41-42
• 4.1.2 滚动轴承故障信号特征分析42-44
• 4.2 风机齿轮箱齿轮的故障特征提取44-46
• 4.2.1 齿轮振动机理44
• 4.2.2 齿轮故障信号特征分析44-46
• 4.3 基于有效 IMF 的 Hilbert 变换包络谱故障诊断方法46-48
• 4.4 基于奇异值熵故障诊断方法48-50
• 4.4.1 奇异值分解48-49
• 4.4.2 信息熵49
• 4.4.3 基于有效 IMF 的奇异值熵故障诊断方法49-50
• 4.5 本章小结50-51
• 第5章 实验研究结果与分析51-65
• 5.1 实验数据51-54
• 5.2 基于有效 IMF 的 Hilbert 包络谱故障诊断方法结果分析54-59
• 5.3 奇异值熵故障诊断方法结果分析59-63
• 5.4 基于 Matlab 的故障诊断界面设计63-64
• 5.5 本章小结64-65
• 结论65-66
• 参考文献66-70
• 攻读硕士学位期间发表的学术论文70-71
• 致谢71

【参考文献】

中国期刊全文数据库 前9条

1 李文超;;现代功率谱估计在设备故障诊断应用[J];传感器世界;2012年02期

2 丁涛;王芳;任工昌;;旋转机械故障诊断研究现状[J];机械设计与制造;2009年12期

3 钟群鹏;张峥;有移亮;;我国安全生产(含安全制造)的科学发展若干问题[J];机械工程学报;2007年01期

4 雷亚国;;基于改进Hilbert-Huang变换的机械故障诊断[J];机械工程学报;2011年05期

5 窦东阳;赵英凯;;集合经验模式分解在旋转机械故障诊断中的应用[J];农业工程学报;2010年02期

6 王国彪;何正嘉;陈雪峰;赖一楠;;机械故障诊断基础研究“何去何从”[J];机械工程学报;2013年01期

7 陈略;訾艳阳;何正嘉;成玮;;总体平均经验模式分解与1.5维谱方法的研究[J];西安交通大学学报;2009年05期

8 向玲;唐贵基;胡爱军;;旋转机械非平稳振动信号的时频分析比较[J];振动与冲击;2010年02期

9 窦东阳;赵英凯;;利用ARIMA改进HHT端点效应的方法[J];振动.测试与诊断;2010年03期

中国博士学位论文全文数据库 前1条

1 郭磊;基于核模式分析方法的旋转机械性能退化评估技术研究[D];上海交通大学;2009年

  本文关键词：基于EEMD的旋转机械故障诊断方法研究，由笔耕文化传播整理发布。

本文编号：280772