分享到:

小波分析在旋转机械故障诊断中的应用

本文对小波理论在若干旋转机械故障诊断中的应用问题进行了研究。利用小波分析的优点,来提高故障诊断的性能。主要研究工作如下:对离散二进小波变换在齿轮局部故障检测中的应用进行了研究。二进小波变换克服了连续小波变换在尺度方向上的高度冗余,使计算量大大减少,离散二进小波变换又具有快速算法,从而增加了故障诊断的实时性。对小波变换模极大值的多尺度传播特性在钻头磨损状态监测中的应用进行了研究。利用小波变换模极大值的多尺度传播特性,本文提出了一种去除钻削加工振动监测信号中的随机噪声从而对钻头状态进行评估的方法。该方法利用了信号与噪声在不同尺度上传播特性的差异来区分信号成份和噪声成份,从而可有效地去除噪声。实验结果表明,该方法能有效地提取反映钻头状态的信息。对离散二进小波变换在滚动轴承故障诊断中的应用进行了研究。该方法首先对滚动轴承的振动信号进行离散二进小波变换,然后将检测出的冲击点的分布情况与滚动轴承各部件的缺陷周期相比较,从而断定出现故障的部件  (本文共90页) 本文目录 | 阅读全文>>

大连理工大学
大连理工大学

小波分析在旋转机械故障诊断中的应用

随着现代工业的快速发展,对设备的安全稳定运行要求越来越高,故障诊断技术得到了广泛的应用,而与此同时,传统的诊断技术已经很难适应工业生产的需要。正是在这样的背景下,本文将时频分析的新方法——小波分析(Wavelet Analysis)应用于旋转机械故障诊断当中。由于机器运行中存在大量的非平稳信号,而传统的时域和频域分析方法在处理非平稳信号时有很大的局限性,小波变换则从基函数角度出发,吸取傅里叶变换中的三角基(进行频率分析)与短时傅里叶变换中的时移窗函数的特点,形成振荡的、衰减的基函数。从而以其多尺度和时频特性而成为处理非平稳信号的重要工具,并被誉为“数学显微镜”。本文首先阐述了研究背景,故障诊断技术的发展及其国内外发展现状。然后本文对旋转机械的常见故障及其机理做了简要的介绍,从而明确了旋转机械故障诊断所需要的依据及诊断方法。在第三章,本文对整个系统进行了总体的设计,并对各个模块做了简要的介绍,同时,比较了传统的故障诊断方法和小波分...  (本文共68页) 本文目录 | 阅读全文>>

大庆石油学院
大庆石油学院

基于模糊神经网络的旋转机械故障诊断方法研究

近年来国内外的机械故障诊断技术发展迅速,研究的手段和方法日新月异,其应用已遍及各个工业领域。由于旋转机械结构复杂,故障特征及原因普遍存在模糊性和复杂性,对其实施故障诊断比较困难,尽管人们对其开展了不少研究并取得了一些研究成果,但总的诊断水平还不是很高,这与其在生产中广泛应用的现状极不相符。因此,对旋转机械开展故障诊断研究具有十分重要的意义。本文研究工作就是在这个技术背景下展开的。研究了旋转机械振动信号的消噪方法和特征提取方法。针对旋转机械振动信号的非平稳性及特征难以提取的特点,通过对小波变换技术的进一步研究,提出旋转机械振动信号处理的小波基函数选择原则及小波包消噪的软阀值原则。利用小波包变换对旋转机械振动信号进行消噪处理和特征提取。并以“能量”为元素,构造旋转机械振动信号的特征向量,从而为旋转机械振动信号的故障特征提取以及后续的故障智能诊断提供了一种便捷的处理方法。旋转机械质量不平衡和油膜涡动故障的振动信号分析结果进一步验证了这...  (本文共63页) 本文目录 | 阅读全文>>

南京航空航天大学
南京航空航天大学

第二代小波变换在旋转机械故障诊断中的应用研究

小波分析在时域和频域同时具有良好的局部化特性,因此较Fourier分析具有更大的优越性。目前在旋转机械故障诊断中得到了广泛应用。第2代小波变换继承了传统小波变换的时频局部化特性,所有的运算在时域上进行,小波基函数不再是由某一个函数的平移和伸缩而产生,具有算法结构简单、速度高、占用内存少等优点。本文利用第2代小波变换,针对旋转机械转子和轴承故障诊断问题,进行了如下研究工作:(1)基于第2代小波变换的转子故障信号降噪处理。传统的小波降噪方法对转子信号进行去噪处理时,转子转速和信号采样频率对小波分解层数的选择具有很大的影响,因此,去噪过程难于自动完成。本文针对该问题,利用第2代小波变换,提出了基于尺度变换的小波自动去噪方法,通过对原始信号按一定方法进行重采样,并与小波软阈值去噪方法相结合,从而实现去噪处理,该方法可以消除转速和采样频率的影响,毋须人为选取小波分解层数,整个去噪过程自动完成。最后,利用转子故障模拟实验台和航空发动机转子实...  (本文共102页) 本文目录 | 阅读全文>>

中国科学技术大学
中国科学技术大学

基于多尺度非线性状态特征增强的旋转机械故障诊断方法研究

本论文以旋转机械设备的精确故障诊断为目标,着眼于多尺度非线性分析在设备状态监测与故障诊断中的应用研究,通过分析正在发展中的基于时频分析的多尺度方法和随机共振与流形学习等两种典型的非线性分析方法在该领域的研究现状和存在的问题,把这两种之前相互独立的研究相互结合,实现优势互补,并统一在了一个研究体系之下,即采用多尺度非线性分析方法增强设备状态特征,分三个部分就有关问题进行了深入的研究。第一部分是基于多尺度随机共振分析的方法及其在旋转机械微弱状态特征增强上的应用研究。以设备测量信号原始包络为处理对象,分析了信号中噪声的有色性和故障特征的微弱性及频率高的特点,引入随机共振的方法,根据信号在多个尺度上的噪声对系统输出的影响,提出了一种新的多尺度噪声调节随机共振(MSTSR)方法。新方法能调节并优化噪声分布模型,从而实现在固定噪声水平和类型情况下微弱大频故障特征的增强。研究构造了一种新的加权功率谱峭度(WPSK)指标,用以评估MSTSR系统...  (本文共203页) 本文目录 | 阅读全文>>

西安电子科技大学
西安电子科技大学

基于自适应振动信号处理的旋转机械故障诊断研究

在旋转机械设备故障诊断研究中,故障特征提取和模式识别关系到故障诊断的可靠性和准确性,因此是旋转机械故障诊断研究中的关键问题。利用轴承和齿轮的振动信号对其工作状态进行监测和诊断是目前旋转机械故障监测和诊断研究中最常用的方法。本学位论文应用经验模态分解、总体平均经验模态分解和局部均值分解等信号处理方法进行故障特征提取,并应用支持向量机进行故障模式识别。其主要内容如下:1、基于经验模态分解的轴承和齿轮故障诊断研究。针对旋转机械设备的工作环境恶劣难以提取故障频率的实际情况,应用奇异值差分谱理论对经验模态分解得到的本征模式分量进行消噪,更好地得到了轴承故障频率;通过计算经验模态分解所得到的本征模式分量的能量熵,在能量域角度找到了齿轮的故障特征,并进一步应用支持向量机对其进行模式识别,通过实例验证此方法的可行性;通过计算经验模态分解所得到的本征模式分量的奇异值熵,找到了齿轮的故障特征,并进一步应用支持向量机对其进行模式识别,通过实例验证此方...  (本文共127页) 本文目录 | 阅读全文>>