版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、滾動軸承是旋轉(zhuǎn)機械中重要的零部件之一,但由于加工工藝、上作環(huán)境等原因造成損壞率高、壽命的隨機性較大。旋轉(zhuǎn)機械故障種類繁多,但由滾動軸承的故障引起的大約占三分之一,所以掌握滾動軸承的工作狀態(tài)以及故障的形成和發(fā)展,是目前機械故障診斷領(lǐng)域中所研究的重要課題之一。
本論文通過分析滾動軸承振動機理、失效原因和信號特征,對軸承振動信號的采集方法進行了改進,采用無線傳感器網(wǎng)絡(luò)技術(shù)降低故障診斷系統(tǒng)的復(fù)雜性、提升診斷系統(tǒng)的效率。利用滾動軸承振動
2、信號實現(xiàn)其故障檢測與診斷,目前主要有機理分析和智能診斷兩條途徑。機理分析常用方法有隨機共振和小波分析等;智能診斷常用方法有神經(jīng)網(wǎng)絡(luò)和支持向量機等。但以上各方法在實際應(yīng)用中均存在其不足之處,從而影響到軸承故障檢測與診斷的效果。為此,本文認為非常有必要立足于不斷發(fā)展的新理論和新方法,緊緊圍繞滾動軸承故障機理分析與智能診斷現(xiàn)有方法存在的問題與不足展開研究與探討。
(1)針對傳統(tǒng)有線傳感器網(wǎng)絡(luò)信息采集靈活性差、故障率高的問題,本文在分
3、析滾動軸承振動機理、失效原因和振動信號特征的基礎(chǔ)上,設(shè)計了滾動軸承振動信號無線采集網(wǎng)絡(luò),以802.15.4和ZigBee協(xié)議為標準,采用250kbps的傳輸速率和無線部署的方式,降低系統(tǒng)復(fù)雜性和故障率,為后續(xù)軸承故障診斷方法提供基礎(chǔ)原理性的支持。
(2)針對噪聲較強有用信號較弱環(huán)境下的軸承故障問題,研究了一種基于遺傳免疫優(yōu)化粒子群算法的隨機共振方法。該方法不僅實現(xiàn)了強噪聲背景下的微弱信號提取,而且解決了基本隨機共振理論只能處理
4、微弱的小參數(shù)信號、不能處理軸承振動這類大參數(shù)信號問題。通過展開深入的研究,提出了一種基于遺傳免疫的粒子群優(yōu)化算法,并將其應(yīng)用于隨機共振的關(guān)鍵參數(shù)尋優(yōu)過程,由此進一步提出了基于遺傳免疫粒子群優(yōu)化的自適應(yīng)隨機共振算法,并采用軸承故障實驗數(shù)據(jù)進行了分析與驗證。
(3)針對小波理論實際應(yīng)用過程中存在難以構(gòu)造理想小波基函數(shù)的問題,研究了基于第二代小波變換的滾動軸承故障診斷方法。該方法利用第二代小波變換將滾動軸承故障振動信號分解到不同尺度
5、,提取出共振頻帶,然后利用Hilbert變換進行解調(diào),再對解調(diào)后的信號進行頻譜分析得到小波包絡(luò)譜,從包絡(luò)譜上獲取軸承故障特征信息。通過軸承實驗數(shù)據(jù)應(yīng)用與分析表明,該方法準確地提取了滾動軸承不同損傷程度故障的特征頻率,實現(xiàn)了軸承故障的定量診斷。
(4)針對神經(jīng)網(wǎng)絡(luò)本身性能難以繼續(xù)提高的問題,研究了基于第二代小波變換與神經(jīng)網(wǎng)絡(luò)的滾動軸承智能診斷方法。本文從提高神經(jīng)網(wǎng)絡(luò)輸入端的信號質(zhì)量入手,利用第二代小波變換與特征評估方法,提出了一
6、種基于第二代小波與神經(jīng)網(wǎng)絡(luò)相結(jié)合的滾動軸承智能診斷模型,并將該模型應(yīng)用于實驗分析與工程實踐中。結(jié)果表明從第二代小波分解后信號中提取的聯(lián)合特征能夠揭示更多的故障信息;特征評估方法能夠針對診斷對象的健康狀態(tài)分類選擇其相應(yīng)的敏感特征,大大提高了BP神經(jīng)網(wǎng)絡(luò)分類的準確率,驗證了本文所建立的智能診斷模型的有效性。
(5)針對滾動軸承故障屬于典型小樣本的特征,研究了基于參數(shù)優(yōu)化支持向量機的滾動軸承智能診斷方法?;局С窒蛄繖C方法存在模型參
7、數(shù)不易合理選取而影響到算法性能的問題,本文在詳細分析各參數(shù)對分類模型的影響的基礎(chǔ)上,建立了參數(shù)優(yōu)化模型,并采用遺傳免疫粒子群算法作為優(yōu)化方法,建立了基于遺傳免疫粒子群和支持向量機的智能診斷模型,最后將該模型用于軸承故障診斷中。結(jié)果表明,該算法不但實現(xiàn)了對SVM分類模型參數(shù)的自動優(yōu)化,提高了SVM分類模型的故障診斷精度,而且對分散程度較大、聚類性較差的故障樣本分類有較強的適用性。
通過論文上述內(nèi)容研究,優(yōu)化了目前的應(yīng)用于滾動軸承
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于小波分析和BP神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法研究.pdf
- 基于小波分形和神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法研究與應(yīng)用.pdf
- 基于小波分析的滾動軸承故障診斷研究.pdf
- 基于小波神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷研究與應(yīng)用.pdf
- 基于小波分析的滾動軸承故障診斷方法研究與應(yīng)用.pdf
- 基于改進小波神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷.pdf
- 基于小波分析與神經(jīng)網(wǎng)絡(luò)的軸承故障診斷研究.pdf
- 基于遺傳神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法的研究.pdf
- 基于小波分析的滾動軸承故障診斷方法的研究及應(yīng)用.pdf
- 基于小波包變換和優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法研究.pdf
- 基于應(yīng)力波與小波分析的低速滾動軸承故障診斷研究.pdf
- 基于HHT和模糊神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的滾動軸承故障診斷研究.pdf
- 基于小波變換與PNN神經(jīng)網(wǎng)絡(luò)相結(jié)合的滾動軸承故障診斷.pdf
- 基于經(jīng)驗?zāi)B(tài)分解與BP神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷.pdf
- 基于小波包分析的滾動軸承故障診斷.pdf
- 基于小波閾值濾波和神經(jīng)網(wǎng)絡(luò)的滾動軸承智能化故障診斷.pdf
- 基于小波分析和神經(jīng)網(wǎng)絡(luò)的模擬故障診斷方法研究.pdf
評論
0/150
提交評論