Lanzhou University of Technology Institutional Repository (LUT_IR)
题名 | 滚动轴承振动信号的特征提取方法研究 |
作者 | 杨晓燕 |
导师 | 雷春丽 |
答辩日期 | 2018 |
学位名称 | 硕士 |
关键词 | 滚动轴承 特征提取 振动信号 故障诊断 |
摘要 | 当今,科学技术飞速发展,旋转机械设备不断朝着高速、重载和精密的方向发展。滚动轴承是旋转机械的重要组成部分,其工作状态的正常与否直接关系到设备、整台机组乃至整个生产线的性能和人身安全。因此,滚动轴承的故障诊断研究对于维护人机安全、提高生产效率具有重要意义。特征提取是故障诊断的关键环节,如何提取出能够有效反映滚动轴承工况的信号特征,具有理论意义和工程价值。本论文以滚动轴承故障诊断与特征提取为研究目标,以滚动轴承振动信号的特征提取方法为研究内容,对轴承的故障特征信息提取进行了分析。1.针对滚动轴承故障特征信息常被强背景噪声淹没的问题,提出基于峰值指标、小波分解和Hilbert包络谱分析的特征提取方法。首先,利用峰值指标表征滚动轴承振动信号中的故障瞬态冲击大小;然后,对滚动轴承振动信号进行小波分解、重构;最后,用Hilbert包络谱分析对细节信号进行频谱变换。结果表明,该方法在强噪声背景下能够有效地提取出滚动轴承的故障特征频率。2.结合振动信号的时频分布特点和信息熵理论,提出了EMD算法与样本熵结合的特征提取方法,解决了滚动轴承故障特征信息集合中存在冗余属性的问题。首先,对原始信号进行了经验模态分解,将其分解为多个平稳的固有模态函数;然后,计算各个IMF分量的互相关系数、峭度指标、方差,选取若干个包含主要故障信息的IMF分量进行进一步分析;最后,计算各IMF分量的样本熵值,通过样本熵值提取轴承振动信号特征。结果表明,EMD样本熵方法能有效地提取出能够反映滚动轴承工况的信号特征。3.由于滚动轴承早期微弱故障特征难以提取,本文提出了将小波包变换和层次熵相结合的滚动轴承特征提取方法。首先,对振动信号进行三层小波包分解;然后,计算不同频带的层次熵;最后,通过小波包层次熵值提取滚动轴承振动信号特征。结果表明,该方法可有效地提高特征提取的准确率,更精确和完整地描述滚动轴承振动信号的特征。 |
页数 | 77 |
URL | 查看原文 |
语种 | 中文 |
收录类别 | CNKI |
中图分类号 | TH133.33 |
文献类型 | 学位论文 |
条目标识符 | https://ir.lut.edu.cn/handle/2XXMBERH/93579 |
专题 | 兰州理工大学 |
作者单位 | 兰州理工大学 |
第一作者单位 | 兰州理工大学 |
推荐引用方式 GB/T 7714 | 杨晓燕. 滚动轴承振动信号的特征提取方法研究[D],2018. |
条目包含的文件 | 条目无相关文件。 |
个性服务 |
查看访问统计 |
谷歌学术 |
谷歌学术中相似的文章 |
[杨晓燕]的文章 |
百度学术 |
百度学术中相似的文章 |
[杨晓燕]的文章 |
必应学术 |
必应学术中相似的文章 |
[杨晓燕]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论