数学形态学在机械故障诊断中的应用研究
发布时间：2022-07-27 13:04
机械故障诊断的关键是如何从故障信号中提取故障特征,信号分析是故障特征提取最常用的方法。机械系统发生故障时,振动信号往往具有非线性非平稳特征。因此如何结合故障信号特点并选择合适的方法,对非线性非平稳故障信号进行分析以提取故障特征是机械故障诊断领域需要重点研究的课题。传统非线性非平稳信号分析方法如短时傅里叶变换、小波变换、希尔伯特黄变换等都各自存在一定的局限性,因此迫切需要新的理论与信号分析方法以提高机械故障诊断的效率与技术水平。数学形态学是近年来发展起来的一种非线性信号分析方法,已经逐渐开始应用到机械故障诊断中并取得了较好的效果。本文以转子系统、齿轮和滚动轴承为研究对象,对基于数学形态学的机械故障诊断方法进行了深入的研究,主要工作和研究成果如下：（1）介绍了转子系统、齿轮和滚动轴承这三种常见机械零件的振动故障机理,并对故障信号特征进行了分析,为后续章节的分析奠定基础。（2）针对传统形态滤波结构元素选取随机的问题,首先提出一种自适应多尺度复合形态滤波降噪方法,该方法能够根据信号局部特征和噪声特点自适应的选择结构元素类型和尺寸大小,然后采用该方法对转子振动信号进行滤波,并通过关联维数对转子故...
【文章页数】：118 页
【学位级别】：博士
【文章目录】：
致谢
摘要
Abstract
目录
1 绪论
1.1 课题的背景及研究意义
1.2 非线性非平稳信号分析方法研究现状
1.2.1 短时傅里叶变换
1.2.2 小波变换
1.2.3 Hilbert-Huang变换
1.3 数学形态学分析方法
1.3.1 数学形态学的形成与发展
1.3.2 数学形态学基本理论
1.3.3 数学形态滤波的基本理论
1.3.4 形态小波基本理论与算法
1.3.5 数学形态学在机械故障诊断领域的研究现状
1.4 本文的主要内容与结构
2 常见机械典型故障机理与特征分析
2.1 引言
2.2 转子系统典型故障机理及特征
2.2.1 转子不平衡
2.2.2 转子不对中
2.2.3 油膜涡动
2.2.4 动静碰摩
2.3 齿轮振动机理及故障特征分析
2.3.1 齿轮振动机理分析
2.3.2 齿轮故障振动响应及调制机理
2.3.3 齿轮典型故障信号特征
2.4 滚动轴承故障机理故障特征分析
2.4.1 滚动轴承故障机理分析
2.4.2 滚动轴承故障信号特点与特征频率
2.4.3 滚动轴承典型故障特征
2.5 本章小结
3 基于自适应多尺度复合形态滤波降噪与关联维数的转子故障识别
3.1 引言
3.2 关联维数及计算
3.3 自适应多尺度复合形态滤波方法
3.3.1 自适应多尺度复合形态滤波方法的基本原理
3.3.2 AMCMF的工作过程
3.3.3 AMCMF仿真试验
3.4 实例分析
3.5 本章小结
4 基于多结构元素多尺度形态学谱图特征提取与LSSVM的齿轮故障诊断
4.1 引言
4.2 基于多结构元素和多尺度的形态学边缘检测
4.2.1 传统的形态学边缘检测算子
4.2.2 改进的形态学边缘检测算子
4.2.3 基于MMMFE的边缘检测算子
4.2.4 实验结果与分析
4.3 基于MMMFE的振动谱图特征提取与LSSVM的齿轮故障诊断
4.3.1 基于MMMFE振动谱图特征提取
4.3.2 基于LSSVM的振动谱图特征识别
4.4 齿轮故障诊断实例
4.5 本章小结
5 基于自适应提升形态小波降噪与灰色关联度的滚动轴承故障诊断
5.1 引言
5.2 提升形态小波框架
5.3 自适应提升形态小波降噪方法
5.3.1 自适应提升形态小波构造
5.3.2 基于邻域相关性的自适应阈值选择
5.4 基于ALMW降噪的故障特征提取
5.4.1 数值仿真分析
5.4.2 实例分析
5.5 基于ALMW和灰色关联度的滚动轴承故障诊断
5.5.1 灰色关联度理论
5.5.2 基于ALMW和灰色关联度的故障诊断方法
5.5.3 滚动轴承诊断实例分析
5.6 本章小结
6 基于形态非抽样小波的滚动轴承信息融合故障诊断
6.1 引言
6.2 基于多尺度差值形态滤波的形态非抽样小波算法
6.2.1 MUDW的一般框架
6.2.2 基于多尺度差值形态滤波算子的MUWD构造
6.3 形态非抽样小波能量特征向量与能量熵
6.4 基于D-S证据理论的形态非抽样小波信息融合故障诊断方法
6.4.1 D-S证据理论基本原理
6.4.2 基于D-S证据理论的信息融合故障诊断方法
6.4.3 滚动轴承故障诊断实例
6.5 基于过程的形态非抽样小波能量熵信息融合诊断方法
6.5.1 基于过程的形态非抽样小波能量熵信息融合故障诊断算法
6.5.2 故障诊断实例分析
6.6 本章小结
7 总结与展望
7.1 全文总结
7.2 创新点
7.3 研究展望
参考文献
攻读博士学位期间发表(录用)的论文和参与的课题
本文编号：3665509
【文章页数】：118 页
【学位级别】：博士
【文章目录】：
致谢
摘要
Abstract
目录
1 绪论
1.1 课题的背景及研究意义
1.2 非线性非平稳信号分析方法研究现状
1.2.1 短时傅里叶变换
1.2.2 小波变换
1.2.3 Hilbert-Huang变换
1.3 数学形态学分析方法
1.3.1 数学形态学的形成与发展
1.3.2 数学形态学基本理论
1.3.3 数学形态滤波的基本理论
1.3.4 形态小波基本理论与算法
1.3.5 数学形态学在机械故障诊断领域的研究现状
1.4 本文的主要内容与结构
2 常见机械典型故障机理与特征分析
2.1 引言
2.2 转子系统典型故障机理及特征
2.2.1 转子不平衡
2.2.2 转子不对中
2.2.3 油膜涡动
2.2.4 动静碰摩
2.3 齿轮振动机理及故障特征分析
2.3.1 齿轮振动机理分析
2.3.2 齿轮故障振动响应及调制机理
2.3.3 齿轮典型故障信号特征
2.4 滚动轴承故障机理故障特征分析
2.4.1 滚动轴承故障机理分析
2.4.2 滚动轴承故障信号特点与特征频率
2.4.3 滚动轴承典型故障特征
2.5 本章小结
3 基于自适应多尺度复合形态滤波降噪与关联维数的转子故障识别
3.1 引言
3.2 关联维数及计算
3.3 自适应多尺度复合形态滤波方法
3.3.1 自适应多尺度复合形态滤波方法的基本原理
3.3.2 AMCMF的工作过程
3.3.3 AMCMF仿真试验
3.4 实例分析
3.5 本章小结
4 基于多结构元素多尺度形态学谱图特征提取与LSSVM的齿轮故障诊断
4.1 引言
4.2 基于多结构元素和多尺度的形态学边缘检测
4.2.1 传统的形态学边缘检测算子
4.2.2 改进的形态学边缘检测算子
4.2.3 基于MMMFE的边缘检测算子
4.2.4 实验结果与分析
4.3 基于MMMFE的振动谱图特征提取与LSSVM的齿轮故障诊断
4.3.1 基于MMMFE振动谱图特征提取
4.3.2 基于LSSVM的振动谱图特征识别
4.4 齿轮故障诊断实例
4.5 本章小结
5 基于自适应提升形态小波降噪与灰色关联度的滚动轴承故障诊断
5.1 引言
5.2 提升形态小波框架
5.3 自适应提升形态小波降噪方法
5.3.1 自适应提升形态小波构造
5.3.2 基于邻域相关性的自适应阈值选择
5.4 基于ALMW降噪的故障特征提取
5.4.1 数值仿真分析
5.4.2 实例分析
5.5 基于ALMW和灰色关联度的滚动轴承故障诊断
5.5.1 灰色关联度理论
5.5.2 基于ALMW和灰色关联度的故障诊断方法
5.5.3 滚动轴承诊断实例分析
5.6 本章小结
6 基于形态非抽样小波的滚动轴承信息融合故障诊断
6.1 引言
6.2 基于多尺度差值形态滤波的形态非抽样小波算法
6.2.1 MUDW的一般框架
6.2.2 基于多尺度差值形态滤波算子的MUWD构造
6.3 形态非抽样小波能量特征向量与能量熵
6.4 基于D-S证据理论的形态非抽样小波信息融合故障诊断方法
6.4.1 D-S证据理论基本原理
6.4.2 基于D-S证据理论的信息融合故障诊断方法
6.4.3 滚动轴承故障诊断实例
6.5 基于过程的形态非抽样小波能量熵信息融合诊断方法
6.5.1 基于过程的形态非抽样小波能量熵信息融合故障诊断算法
6.5.2 故障诊断实例分析
6.6 本章小结
7 总结与展望
7.1 全文总结
7.2 创新点
7.3 研究展望
参考文献
攻读博士学位期间发表(录用)的论文和参与的课题
本文编号：3665509
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/3665509.html
