滚动轴承故障智能诊断方法的研究与实现
发布时间：2023-06-03 18:02
滚动轴承是旋转机械中最常用、最关键的部件之一,同时也是最容易损坏的机械零部件之一。许多旋转机械的故障都与滚动轴承的状态有关,其缺陷会导致机械设备产生异常振动和噪声,甚至造成设备和人员的重大损伤。因此,研究滚动轴承的故障诊断技术具有十分重要的意义。本文主要是利用经验模态分解法(Empirical Mode Decomposition,EMD)来提取振动信号的特征值,然后利用BP神经网络来判断轴承是否存在故障,将两种方法相结合来形成一种智能的滚动轴承故障的判断方法。 本文首先简要介绍机械故障诊断以及滚动轴承故障诊断技术的研究目的和意义,介绍了滚动轴承故障诊断技术的发展现状和常用的滚动轴承故障诊断方法。 文中叙述了滚动轴承的几种主要的失效形式,经过对滚动轴承结构及运行机制的分析,计算出滚动轴承的固有频率及故障特征频率,同时介绍了诊断滚动轴承故障的一些常用的方法。介绍了EMD时频分析方法的相关基本概念,概述了EMD方法的基本原理、正交性及完备性以及基于EMD方法的希尔伯特变换,同时提出了EMD方法存在的问题以及改进的方法。概述了神经网络技术的起源与发展,主要介绍了BP神经网络的模型结构、前向传...
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 机械故障诊断研究意义及发展概况
1.1.1 机械故障诊断研究的意义
1.1.2 机械故障诊断国内外研究概况
1.2 滚动轴承诊断技术的发展与现状
1.2.1 滚动轴承诊断技术的发展与现状
1.2.2 滚动轴承故障诊断方法
1.2.3 振动信号处理在滚动轴承故障诊断中的应用
1.3 本文的主要工作及内容安排
1.4 本章小结
2 滚动轴承故障特征分析及振动诊断方式
2.1 概述
2.2 滚动轴承故障主要形式及成因
2.3 滚动轴承振动信号的特征
2.3.1 滚动轴承的固有振动频率
2.3.2 滚动轴承的故障特征频率
2.4 滚动轴承的振动信号分析方法
2.4.1 时域分析方法
2.4.2 频域分析方法
2.4.3 时频域分析方法
2.5 本章小结
3 EMD的时频分析方法及其应用
3.1 概述
3.2 基本概念
3.2.1 瞬时频率
3.2.2 基本模态分量
3.3 EMD时频分析的基本原理
3.3.1 经验模态分解过程
3.3.2 经验模态分解停止准则
3.4 EMD方法的完备性和正交性
3.4.1 EMD方法的完备性
3.4.2 EMD方法的正交性
3.5 基于EMD的Hilbert变换(HHT)的基本原理和算法
3.6 EMD方法存在的问题及改进措施
3.6.1 局部均值的求解
3.6.2 端点效应处理方法
3.7 本章小结
4 人工神经网络智能诊断
4.1 神经元网络概述
4.1.1 神经网络技术的发展与现状
4.1.2 人工神经元模型
4.1.3 神经网络学习规则
4.2 BP神经网络
4.2.1 BP神经网络模型结构
4.2.2 神经网络的前向计算
4.2.3 误差反向传播和加权系数的调整
4.2.4 输出层及隐含层加权系数的调整
4.2.5 加权系数的学习计算步骤
4.3 BP网络的设计
4.3.1 输入和输出层的设计
4.3.2 隐含层的设计
4.4 EMD与BP神经网络联合的故障智能诊断
4.4.1 EMD与神经网络联合故障诊断的可能性
4.4.2 EMD与BP网络联合诊断实验
4.5 本章小结
5 基于EMD与BP神经网络的轴承故障智能诊断系统
5.1 概述
5.2 开发工具简介
5.2.1 Matlab
5.2.2 Visual Basic
5.3 Matlab与Visual Basic应用接口方法
5.3.1 使用ActiveX自动化服务技术
5.3.2 使用动态数据交换技术
5.3.3 将Matlab函数编译为可独立执行的动态连接库
5.4 软件系统基本功能介绍
5.4.1 软件系统的功能模块
5.4.2 系统主界面
5.4.3 振动信号常规分析模块界面
5.4.4 振动信号EMD分析模块界面
5.5 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
本文编号：3829775
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 机械故障诊断研究意义及发展概况
1.1.1 机械故障诊断研究的意义
1.1.2 机械故障诊断国内外研究概况
1.2 滚动轴承诊断技术的发展与现状
1.2.1 滚动轴承诊断技术的发展与现状
1.2.2 滚动轴承故障诊断方法
1.2.3 振动信号处理在滚动轴承故障诊断中的应用
1.3 本文的主要工作及内容安排
1.4 本章小结
2 滚动轴承故障特征分析及振动诊断方式
2.1 概述
2.2 滚动轴承故障主要形式及成因
2.3 滚动轴承振动信号的特征
2.3.1 滚动轴承的固有振动频率
2.3.2 滚动轴承的故障特征频率
2.4 滚动轴承的振动信号分析方法
2.4.1 时域分析方法
2.4.2 频域分析方法
2.4.3 时频域分析方法
2.5 本章小结
3 EMD的时频分析方法及其应用
3.1 概述
3.2 基本概念
3.2.1 瞬时频率
3.2.2 基本模态分量
3.3 EMD时频分析的基本原理
3.3.1 经验模态分解过程
3.3.2 经验模态分解停止准则
3.4 EMD方法的完备性和正交性
3.4.1 EMD方法的完备性
3.4.2 EMD方法的正交性
3.5 基于EMD的Hilbert变换(HHT)的基本原理和算法
3.6 EMD方法存在的问题及改进措施
3.6.1 局部均值的求解
3.6.2 端点效应处理方法
3.7 本章小结
4 人工神经网络智能诊断
4.1 神经元网络概述
4.1.1 神经网络技术的发展与现状
4.1.2 人工神经元模型
4.1.3 神经网络学习规则
4.2 BP神经网络
4.2.1 BP神经网络模型结构
4.2.2 神经网络的前向计算
4.2.3 误差反向传播和加权系数的调整
4.2.4 输出层及隐含层加权系数的调整
4.2.5 加权系数的学习计算步骤
4.3 BP网络的设计
4.3.1 输入和输出层的设计
4.3.2 隐含层的设计
4.4 EMD与BP神经网络联合的故障智能诊断
4.4.1 EMD与神经网络联合故障诊断的可能性
4.4.2 EMD与BP网络联合诊断实验
4.5 本章小结
5 基于EMD与BP神经网络的轴承故障智能诊断系统
5.1 概述
5.2 开发工具简介
5.2.1 Matlab
5.2.2 Visual Basic
5.3 Matlab与Visual Basic应用接口方法
5.3.1 使用ActiveX自动化服务技术
5.3.2 使用动态数据交换技术
5.3.3 将Matlab函数编译为可独立执行的动态连接库
5.4 软件系统基本功能介绍
5.4.1 软件系统的功能模块
5.4.2 系统主界面
5.4.3 振动信号常规分析模块界面
5.4.4 振动信号EMD分析模块界面
5.5 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
本文编号：3829775
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/3829775.html