学位论文 > 优秀研究生学位论文题录展示

基于HOS的滚动轴承故障诊断方法应用研究

作　者: 郭雄伟
导　师: 伍星
学　校: 昆明理工大学
专　业: 机械电子工程
关键词: 高阶统计量滚动轴承故障诊断微粒群优化算法支持向量机
分类号: TH165.3
类　型: 硕士论文
年　份: 2010年
下　载: 59次
引　用: 0次
阅　读: 论文下载

内容摘要

滚动轴承是各种旋转机械中应用最为广泛的一种通用机械部件,也是确保机械设备功能和性能的关键部件。由于滚动轴承的结构特点及工作条件恶劣,极易造成损坏,对滚动轴承进行故障诊断与状态监测意义重大。故障轴承振动信号呈现出较强的非高斯、非线性、非平稳特性,使用传统的基于线性平稳假设的信号处理方法处理效果不理想。高阶统计量(Higher-Order Statistic, HOS)是最近十几年发展较快的一种现代信号处理方法,由于其出色的噪声消除性能及相位保留能力,是处理非线性、非高斯、非平稳、非最小相位、非因果信号的有效手段,被广泛应用于雷达、声纳、生物医学、地球物理、盲信号处理、盲系统辨识、机械故障诊断等众多领域。本文对双谱、三谱、双相干谱、双谱切片、Hilbert双谱、高阶时频谱的定义、性质、估计方法及物理意义进行了研究；讨论了信号幅值和相位重构的意义及常用方法,使用基于双谱的最小二乘法对轴承振动信号进行相位和幅值重构分析；讨论了滚动轴承故障机理及振动模型,对滚动轴承振动信号在高频共振处带通滤波,对滤波后的信号进行双谱分析并与传统的双谱分析结果进行了对比,结果表明该方法在消除噪声、突出故障特征方面具有优势；高阶时频分布兼有时频分布及高阶统计量的优点,针对滚动轴承振动信号的高阶时频及其切片分析表明该方法的有效性。本文还研究了常用的机械故障分类方法和特征提取方法,使用双谱峰值频率对信息、振动信号AR (Autoregressive, AR)模型参数等构造用于轴承模式识别的特征向量；研究了常用的优化算法及故障分类算法,分别使用遗传算法和微粒群优化算法对支持向量机的主要参数进行优化,使用优化的支持向量机对测试数据进行分类,取得较高的分类准确率。最后,基于MATLAB的GUIDE对本文中所使用和改进的算法开发了MATLAB工具包。

全文目录

摘要  3-4
Abstract  4-9
第一章绪论  9-23
  1.1 课题的背景和意义  9
  1.2 HOS理论国内外研究现状  9-13
    1.2.1 HOS理论的发展  9-10
    1.2.2 HOS理论国外研究和应用现状  10-12
    1.2.3 HOS理论国内研究和应用现状  12-13
  1.3 滚动轴承故障诊断研究现状  13-22
    1.3.1 滚动轴承振动特征  13-18
    1.3.2 轴承故障诊断技术的发展  18
    1.3.3 基于现代信号处理方法的滚动轴承故障诊断  18-20
    1.3.4 分类及优化算法在轴承故障诊断中的应用  20-22
  1.4 本文内容  22-23
第二章高阶统计量理论  23-33
  2.1 序言  23
  2.2 高阶统计量定义  23-26
    2.2.1 特征函数与矩  23-25
    2.2.2 累积量的矩表达  25
    2.2.3 高阶谱  25-26
  2.3 高阶统计量性质  26-27
    2.3.1 高斯信号的高阶统计量  26-27
    2.3.2 高阶累积量的性质  27
  2.4 高阶谱估计方法  27-30
    2.4.1 非参数双谱估计  28
    2.4.2 参数法双谱估计  28-30
  2.5 双谱物理意义  30
  2.6 本章小结  30-33
第三章基于双谱的信号重构方法研究  33-45
  3.1 引言  33
  3.2 基于双谱的信号相位重构算法研究  33-39
    3.2.1 基于双谱的信号相位重构原理  34
    3.2.2 BMU和Lii-Rosenblatt法相位重构算法  34-35
    3.2.3 基于双谱的最小二乘相位重构算法  35-39
  3.3 基于双谱的信号幅值重构算法研究  39-42
    3.3.1 基于Bartelt算法的信号幅值重构  39-40
    3.3.2 基于双谱的最小二乘法幅值重构算法  40-42
  3.4 滚动轴承故障信号的双谱重构分析  42-44
  3.5 本章小结  44-45
第四章滚动轴承振动信号双谱分析方法  45-67
  4.1 引言  45
  4.2 滚动轴承振动信号双谱分析方法研究  45-52
  4.3 滚动轴承振动信号11/2维谱分析  52-56
    4.3.1 11/2维谱定义  52-53
    4.3.2 滚动轴承振动信号双谱对角切片分析  53-54
    4.3.3 滚动轴承振动信号双谱水平切片分析  54-55
    4.3.4 滚动轴承振动信号积分双谱分析  55-56
  4.4 滚动轴承振动信号Hilbert双谱分析  56-60
    4.4.1 解调分析方法概述  57
    4.4.2 Hilbert双谱分析方法  57-58
    4.4.3 滚动轴承振动信号Hilbert双谱分析  58-60
  4.5 滚动轴承振动信号高阶时频分析  60-65
    4.5.1 高阶时频分布理论  61-62
    4.5.2 仿真信号高阶时频分析  62-63
    4.5.3 滚动轴承振动信号高阶时频分析  63-65
    4.5.4 滚动轴承振动信号高阶时频切片分析  65
  4.6 本章小结  65-67
第五章基于双谱和支持向量机的轴承故障诊断  67-89
  5.1 引言  67
  5.2 基于双谱的滚动轴承特征提取研究  67-71
    5.2.1 滚动轴承振动信号双谱峰值信息特征提取  67-68
    5.2.2 滚动轴承振动信号双相干谱特征提取  68-70
    5.2.3 滚动轴承振动信号ARMA模型参数特征提取  70-71
  5.3 支持向量机理论  71-77
    5.3.1 统计学习系理论简介  72-73
    5.3.2 二分类支持向量机  73-75
    5.3.3 多分类支持向量机  75-77
  5.4 粒子群优化的支持向量机  77-82
    5.4.1 优化问题的一般描述  77-78
    5.4.2 群体智能优化算法  78-80
    5.4.3 微粒群算法的社会行为分析  80
    5.4.4 粒子群优化支持向量机  80-81
    5.4.5 PSO-SVM应用于滚动轴承分类  81-82
  5.5 基于HOS的滚动轴承故障诊断GUI工具包实现  82-85
    5.5.1 MATLAB GUIDE简介  82
    5.5.2 滚动轴承振动信号HOS分析工具包GUI结构  82-85
  5.6 实验分析  85-88
    5.6.1 实验平台简介  85-86
    5.6.2 算法验证  86-88
  5.7 本章小结  88-89
第六章总结与展望  89-93
  6.1 论文总结  89-90
  6.2 主要改进工作  90
  6.3 研究展望  90-93
致谢  93-95
参考文献  95-101
附录A 攻读硕士期间发表学术论文  101

基于HOS的滚动轴承故障诊断方法应用研究

内容摘要

全文目录

相似论文