分形与排列熵在滚动轴承故障诊断中的应用

发布时间：2017-04-19 20:13

  本文关键词：分形与排列熵在滚动轴承故障诊断中的应用，，由笔耕文化传播整理发布。

【摘要】：旋转机械的故障70%是振动造成的,而振动故障中约有30%是由轴承故障引起的,占有相当大的比例。这是因为滚动轴承是整套设备中工作环境最为恶劣的部件,它在设备的运行中起着传递载荷和承受载荷的作用,是整台设备中最为薄弱的环节,其运行状态是否正常直接影响到整台设备的性能,一旦出现故障,将有可能引发一系列的连锁反应,不仅会直接影响到工矿企业的生产效率,造成巨大的经济损失,更为严重的是还有可能导致重大人员伤亡事故,造成深远的社会危害,后果不堪设想。因此对滚动轴承的早期故障诊断就显得极为必要。所以滚动轴承故障诊断方法,直是故障诊断中重点发展的热点技术之一。 通过阐述小波去噪的理论基础,结合不同的小波去噪方法的优缺点,提出了改进的小波去噪方法,并通过谱分析及数据分析的对比,验证改进的小波去噪方法和有效性及可行性。 将排列熵引入滚动轴承的故障诊断中,介绍了排列熵算法,分析了排列熵算法的特性,将排列引入滚动轴承的故障分析中,验证了排列熵可作为滚动轴承状态变化的数据依据；同时介绍了分形理论,分析了分形理论中盒维数据与关联维数对信号的非线性表征能力,对比了关联维数与排列熵在滚动轴承状态变化后振动数据变化的表征方面的不同特点。 使用了支持向量机理论作为智能诊断方法,研究了多类SVM分类器与支持向量回归理论,采用高斯径向基函数构建了多类SVM分类器与支持向量回归机。使用不同状态滚动轴承数据的排列熵及分形特性,与SVM理论结合,进行滚动轴承的故障诊断及预测,通过数据分析,证明排列熵相对于分形理论是更好的滚动轴承振动数据非线性特征提取方法。
【关键词】：滚动轴承故障诊断 小波去噪 相空间重构 排列熵 分形理论 支持向量机
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH133.33;TH165.3
【目录】：

• 摘要3-5
• ABSTRACT5-8
• 目录8-11
• 第一章 绪论11-21
• 1.1 选题意义11-12
• 1.2 滚动轴承故障诊断技术发展及研究现状12-18
• 1.2.1 小波去噪理论14-15
• 1.2.2 排列熵理论15-16
• 1.2.3 分形理论16-17
• 1.2.4 支持向量机理论17-18
• 1.3 本论文主要研究内容18-21
• 1.3.1 研究思路18-19
• 1.3.2 论文主要工作及安排19-21
• 第二章 滚动轴承实验及数据获取21-27
• 2.1 滚动轴承故障特征频率21
• 2.2 轴承故障数据的来源及分析21-26
• 2.2.1 轴承故障数据来源21-22
• 2.2.2 轴承故障各个状态信号的分析22-25
• 2.2.3 故障过程信号的采集25-26
• 2.3 本章小结26-27
• 第三章 滚动轴承信号的小波去噪处理27-39
• 3.1 小波去噪基础理论27-28
• 3.2 小波去噪方法28-32
• 3.2.1 小波空域相关去噪29-30
• 3.2.2 小波阈值去噪方法30-32
• 3.3 改进的小波去噪方法及信号分析32-37
• 3.3.1 小波阈值去噪与空域相关去噪相结合的去噪方法32-33
• 3.3.2 测试信号分析33-36
• 3.3.3 其它信号的去噪结果36-37
• 3.4 本章小结37-39
• 第四章 基于排列熵与分析理论的特征提取方法39-61
• 4.1 相空间重构39-46
• 4.1.1 时间延迟的确定40-41
• 4.1.2 嵌入维数的确定41-42
• 4.1.3 测试信号的相空间重构42-46
• 4.2 信号的排列熵特征提取46-53
• 4.2.1 排列熵算法原理46-48
• 4.2.2 信号的排列熵分析48-53
• 4.3 信号的分形特征提取53-59
• 4.3.1 盒维数53
• 4.3.2 关联维数53-55
• 4.3.3 信号的分形特征分析55-59
• 4.4 本章小结59-61
• 第五章 基于支持向量机的智能故障诊断方法61-77
• 5.1 支持向量机61-66
• 5.1.1 理论基础61-65
• 5.1.2 多类支持向量机65-66
• 5.2 支持向量回归机66-68
• 5.3 使用支持向量分类机对数据分析68-73
• 5.3.1 分形特征的SVM分类68-70
• 5.3.2 排列熵特征的SVM分类70-73
• 5.3.3 两种特征的分类比较73
• 5.4 使用支持向量回归机对数据分析73-76
• 5.4.1 分形特征的SVR分析回归73-74
• 5.4.2 排列熵的SVR分析回归74-76
• 5.5 本章小结76-77
• 第六章 结论与展望77-79
• 6.1 本文的主要工作与结论77-78
• 6.2 进一步工作展望78-79
• 参考文献79-89
• 致谢89-91
• 攻读硕士期间发表的论文和科研成果91

【参考文献】

中国期刊全文数据库 前10条

1 汪久根;王庆九;章维明;;滚动轴承动力学的研究[J];轴承;2007年03期

2 王凤利,马孝江;基于混沌的旋转机械故障诊断[J];大连理工大学学报;2003年05期

3 郝成元;吴绍洪;李双成;;排列熵应用于气候复杂性度量[J];地理研究;2007年01期

4 高文阳;王莉;;基于分形理论的大粒径沥青混合料评价方法研究[J];中外公路;2012年05期

5 潘宏侠,姚竹亭;齿轮传动系统状态检测与故障诊断[J];华北工学院学报;2001年04期

6 张赛飞;高跃飞;薛百文;;基于分形理论齿轮箱故障诊断研究[J];火炮发射与控制学报;2007年02期

7 熊军;李凤英;沈玉娣;;齿轮故障诊断技术应用综述[J];机床与液压;2005年12期

8 孙克辉,谈国强,盛利元,张泰山;Lyapunov指数计算算法的设计与实现[J];计算机工程与应用;2004年35期

9 孙克辉;谈国强;盛利元;;基于排列熵算法的混沌伪随机序列复杂性分析[J];计算机工程与应用;2008年03期

10 朱志宇;张冰;刘维亭;;基于模糊支持向量机的语音识别方法[J];计算机工程;2006年02期

中国博士学位论文全文数据库 前3条

1 张志刚;关于湿式离合器几个工作特性研究[D];浙江大学;2010年

2 刘永斌;基于非线性信号分析的滚动轴承状态监测诊断研究[D];中国科学技术大学;2011年

3 赵玲;旋转机械系统故障特征提取中的分形方法研究[D];重庆大学;2010年

  本文关键词：分形与排列熵在滚动轴承故障诊断中的应用，由笔耕文化传播整理发布。

本文编号：317048