学位论文 > 优秀研究生学位论文题录展示
强噪声背景下机械故障微弱信号特征提取方法研究
作 者: 王志武
导 师: 孙虎儿;张晨爱
学 校: 中北大学
专 业: 机械工程
关键词: 奇异值分解差分谱 LMD 随机共振 高通滤波器 分段线性系统 故障特征提取
分类号: TH165.3
类 型: 硕士论文
年 份: 2014年
下 载: 22次
引 用: 0次
阅 读: 论文下载
内容摘要
由于生产设备恶劣的现场环境、变化的工况和自身的非线性等特点,使得所测得的振动信号往往具有强噪声背景、非线性和早期微弱故障信息的特征。这些特征严重影响了设备状态信息的准确获取,因此,论文以强噪声背景中微弱的故障特征为对象,研究机械设备微弱的早期故障特征信息提取方法。主要围绕奇异值分解和随机共振技术展开的。作为一种非线性降噪方法,奇异值分解技术已广泛应用到信号的降噪和检测中,但是,当检测强噪声背景中的微弱故障信息时,奇异值分解技术表现欠佳。针对此问题,论文设计了一种基于局部均值分解和奇异值分解差分谱理论的微弱信息提取方法,该方法首先通过局部均值分解将非线性非平稳的原始信号分解为若干个PF分量,由于强噪声的影响,难以从PF分量准确得到特征信息,对PF分量进行Hankel矩阵重构和奇异值分解,根据奇异值分解差分谱理论确定有用奇异值的个数,进而得到奇异值分解降噪后的信号,求该信号的包络谱,由此进行强噪声背景下微弱特征信息的提取。仿真分析和滚动轴承内圈故障实例分析均较好地验证了设计的改进方法的有效性。随机共振对强噪声背景下微弱特征信息提取是一种有效的方法。通过调节系统结构参数和噪声强度可以使随机共振达到最优。论文设计了基于奇异值分解调节噪声强度的随机共振方法。该方法首先利用奇异值分解对含噪信号降噪,当降噪后的信号中噪声强度和有用信息达到最佳匹配,输入双稳随机共振系统中,则输出响应可以达到最佳随机共振。工程实际采集到的信号通常为大参数、多频率含有直流分量的信号,利用随机共振方法进行检测时,干扰频率、直流分量等对有用信息的检测影响较多。为了减少这些影响,论文设计了基于EEMD高通滤波和级联双稳随机共振结合的微弱信号检测方法。该方法利用了EEMD的高通滤波特性,对分解得到的IMF去除掉小于特征频率的IMF,对剩余的每个IMF分量进行Elliptic高通滤波后重新合成信号,再对合成信号进行级联双稳随机共振处理,得到原始信号的特征频率。仿真和轴承内圈故障信号分析表明,该方法可以减少直流分量和干扰频率对有用信息提取的影响。对于信噪比极低的微弱信号的检测,论文提出了一种级联分段线性随机共振的微弱信号增强检测方法。该方法采用分段线性随机共振模型,避免了连续双稳模型对强噪声下弱信号提取时存在的饱和现象。同时选用分段线性系统的级联方式,使高频噪声被有效滤掉,低频信号能量不断增强。仿真和滚动轴承故障信号的检测表明,该方法可以适应更低信噪比信号,参数调节方便,检测结果优于级联双稳系统。
|
全文目录
摘要 4-6 Abstract 6-10 1 绪论 10-19 1.1 课题研究的背景及意义 10-11 1.2 机械故障微弱信号特征提取方法 11-17 1.2.1 时频分析方法的研究进展 11-13 1.2.2 奇异值分解研究进展 13-15 1.2.3 随机共振的研究进展 15-17 1.3 本文研究主要内容及结构安排 17-18 1.4 本章小结 18-19 2 奇异值分解及奇异值差分谱的基本理论 19-30 2.1 引言 19 2.2 奇异值分解基本理论 19-22 2.2.1 奇异值分解定义 19-21 2.2.2 奇异值分解的性质和意义 21-22 2.3 奇异值差分谱理论及有效奇异值选择方法 22-28 2.3.1 奇异值差分谱基本理论 22-24 2.3.2 基于奇异值差分谱的奇异值选择方法仿真分析 24-28 2.4 本章小结 28-30 3 基于 LMD 和奇异值差分谱的故障特征提取方法研究 30-41 3.1 引言 30 3.2 LMD 基本原理及方法 30-33 3.3 基于 LMD 分解和奇异值差分谱的故障特征提取方法 33-34 3.4 轴承故障特征提取应用 34-40 3.5 本章小结 40-41 4 基于奇异值分解噪声调节的双稳随机共振检测方法 41-56 4.1 引言 41 4.2 连续双稳随机共振原理 41-50 4.2.1 朗之万方程 41-43 4.2.2 福克—普朗克方程 43 4.2.3 双稳系统随机共振模型 43-46 4.2.4 周期信号驱动的双稳随机共振 46-47 4.2.5 输出信噪比与参数的关系 47-50 4.3 基于 SVD 噪声调谐的随机共振信号检测方法研究 50-55 4.3.1 双稳系统随机共振仿真分析 50-51 4.3.2 基于 SVD 噪声调节的随机共振信号检测方法研究 51-55 4.4 本章小结 55-56 5 EEMD 和级联双稳随机共振的机械故障提取方法研究 56-65 5.1 引言 56 5.2 EEMD 高通滤波原理 56-58 5.3 仿真信号分析及不足 58-59 5.4 基于 EEMD 和 CBSR 的微弱信号增强检测方法 59-60 5.5 机械故障特征提取验证 60-63 5.6 结论 63-65 6 级联分段线性随机共振的微弱信号检测方法研究 65-78 6.1 引言 65 6.2 分段线性随机共振原理 65-72 6.2.1 分段线性系统模型 65-67 6.2.2 分段线性系统求解 67-69 6.2.3 分段线性系统参数调节 69-72 6.3 分段线性随机共振仿真分析 72-75 6.3.1 强噪声背景下仿真信号分析 72-73 6.3.2 级联分段线性模型仿真分析 73-75 6.4 机械故障特征提取实例 75-77 6.5 本章小结 77-78 7 总结与展望 78-80 参考文献 80-87 攻读硕士学位期间发表的论文及所取得的研究成果 87-88 致谢 88-89
|
相似论文
- 基于随机共振技术的声表面波瓦斯传感器的研究,TP212
- 数字系统微弱泄漏电磁波信号检测的随机共振法研究,TN911.23
- 基于滤波器分解的奇异摄动系统的H_∞/H_控制,TP13
- 基于机器学习的E级系统故障预测关键技术研究,TP368.3
- 低碳经济背景下中国出口产业转型问题研究,F205
- 分段线性Delta算子系统的稳定性分析及H_∞分析,O177
- 基于谱融合的管道故障特征提取方法研究,U178
- 外力驱动下的螺旋波动力学,O415
- 基于虚拟样机技术的采煤机截割减速器故障仿真研究,TH165.3
- 二值噪声作用下线性系统随机共振现象的研究,O211.6
- 局域均值分解方法在齿轮箱故障诊断中的研究,TH165.3
- 多感觉交互作用的神经网络模型研究,R318.0
- 无源网络插入衰减器的最小失配网络的研究,TN715
- 基于DTCWT和ICA的直升机滚动轴承故障特征提取的研究,V267.4
- 一个新的混沌系统的控制与同步研究,TP11
- 基于相位差校正法的全息谱研究,O438.1
- 复杂网络上的信息传播与集体行为涌现,N941.4
- 弱信号驱动的延迟双稳系统的随机共振,N941
- 基于混合逻辑动态的分段线性系统模型预测控制,O231.1
- 积分发放模型中的阈上随机共振,O324
- 基于PWM整流器的可逆充电技术的研究,TM910.6
中图分类: > 工业技术 > 机械、仪表工业 > 机械制造工艺 > 柔性制造系统及柔性制造单元 > 故障诊断和维护
© 2012 www.xueweilunwen.com
|