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>>

燕山大学
燕山大学

基于DEMD的时频分析方法及其在旋转机械故障诊断中的应用

旋转机械的状态监测和故障诊断已经成为世界各国的重要研究课题,其中机械故障的特征提取和故障类型识别成为一直以来研究的关键问题。在特征提取方面,经验模式分解(Empirical Mode Decomposition, EMD)时频分析方法作为近年来分析非平稳、非线性信号的一个重大突破,被广泛应用到旋转机械振动信号的分析与处理当中。然而EMD理论算法的发展还处在“成长”阶段,需要进一步研究才能趋于完善。基于微分的经验模式分解(Differential-based Empirical Mode Decomposition, DEMD)时频分析方法是在EMD理论基础上进行改进的方法,通过对原始信号进行微分使得信号中的不同频率成分的比重改变,有利于将信号中频率相近的成分或相对微弱的高频成分提取出来,以此达到有效改善EMD分解的模式混叠问题。本文对DEMD时频分析方法进行了深入研究。在此基础上,针对DEMD分解过程中出现的端点效应等问题提出了...  (本文共77页) 本文目录 | 阅读全文>>

湖南大学
湖南大学

基于Hilbert-Huang变换的旋转机械故障诊断方法研究

旋转机械是工业部门中应用最为广泛的一类机械设备,因而其故障诊断具有重要的现实意义。旋转机械故障诊断的关键是从旋转机械故障振动信号中提取故障特征,信号分析和处理是特征提取最常用的方法。由于大多数旋转机械故障振动信号是非平稳信号,因此有必要选择恰当的适合于非平稳信号分析的信号处理方法。由于时频分析方法能同时提供振动信号的时域和频域信息,因而在旋转机械故障诊断中应用最为广泛。但是常用的时频分析方法如窗口傅里叶变换(Windowed Fourier Transform)、WVD(Wigner-Ville Distribution)、小波变换等都有各自的局限性。因此,迫切需要新的理论和信号处理方法来提高现有的旋转机械故障诊断技术水平。近来,一种适合于处理非平稳信号的时频分析方法Hilbert-Huang变换(Hilbert-Huang Transform,简称HHT)被提出来以后,经验证在很多方面的应用效果都优于其它的信号处理方法。本文在...  (本文共188页) 本文目录 | 阅读全文>>

湖南大学
湖南大学

基于EMD和支持向量机的旋转机械故障诊断方法研究

机械设备的诊断过程包括诊断信息获取、故障特征信息提取和状态识别三部分。其中,故障特征提取和状态识别是诊断的关键。本文将时频分析的新方法—经验模态分解(Empirical Mode Decomposition,简称EMD)和模式识别的新技术—支持向量机(Support Vector Machine,简称SVM)相结合应用于旋转机械故障诊断当中。EMD方法基于信号的局部特征时间尺度,可把信号分解为若干个内禀模态函数(Intrinsic Mode Function,简称IMF)之和,分解出的各个IMF分量突出了数据的局部特征,对其进行分析可以更准确有效地把握原数据的特征信息。此外,由于每一个IMF所包含的频率成分不仅仅与采样频率有关,更为重要的是它还随着信号本身的变化而变化,因此EMD方法是一种自适应的时频局部化分析方法,它从根本上摆脱了Fourier变换的局限性,具有很高的信噪比,非常适用于非平稳、非线性过程。针对旋转机械故障振动信...  (本文共159页) 本文目录 | 阅读全文>>

湖南大学
湖南大学

局部均值分解方法及其在旋转机械故障诊断中的应用研究

对旋转机械故障诊断技术的研究具有重要的现实意义。在机械故障诊断中故障特征的提取是关键,然而,由于旋转机械振动信号通常具有非平稳、非线性、低信噪比的特点,导致其包含的机械设备的状态特征信息并不会直接体现出来。因此,怎样运用合适的信号处理与分析方法从振动信号中提取出状态特征信息一直是一个研究的热点。时频分析方法被公认为是目前处理与分析非平稳、非线性信号的最有效手段,但常用的时频分析方法,如短时傅里叶变换(Short-time fouriertransform,STFT)、Wigner分布(Wigner distribution,WD)、小波变换(Wavelettransform,WT)、希尔伯特黄变换(Hilbert-Huang transform,HHT)方法等都具有一定的局限性。最近提出的一种新的自适应时频分析方法——局部均值分解方法(Local mean decomposition,LMD),相对于其它时频分析方法,其在理论及...  (本文共202页) 本文目录 | 阅读全文>>