基于LMD的滚动轴承故障诊断研究.pdf

基于墓龆岢泄收险锒涎芯湖南大学硕士学位论文诠室提童旦期;生至旦至学校代号:密级:公开学号:
㈣洲Ⅲ川瓻.■■螈,
别磁辄即作者签名:撕日期:劢缭滤矽年多月/日期:幽耗旯翴学位论文原创性声明湖南大学学位论文版权使用授权书本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于⒈C芸冢年解密后适用本授权书。⒉槐C艽选朐谝陨舷嘤Ψ娇蚰诖颉啊獭作者签名:日期:蟖,
摘要滚动轴承是机电设备中的常用零部件,对其进行故障监测和诊断具有重要意义。机械设备运行过程中产生的振动信号包含了丰富的故障信息,对这些信息进行分析与处理,获得机械设备零部件的状态变化信息,进而判断机械设备或零部件是否存在故障。时频分析方法是机械故障特征提取中应用广泛的一种分析工具。基于此背景,,采用局部均值分解、神经网络、支持向量机、奇异值分解的理论和方法,对滚动轴承故障诊断方法进行了研究。主要研究内容如下:隽舜呈逼捣治龇椒ㄔ诜治鍪北浞瞧轿刃藕胖械挠τ茫赋隽似浯嬖的缺陷,通过椒ê痛呈逼捣治龇椒ǖ姆抡嫘藕哦员龋峁砻鱈对瞬变信号的频率与幅值变化表征明显,在减少迭代次数、抑制端点效应方面优于椒ā獿和神经网络相结合,提出一种基于肷窬绲闹悄苷锒方法。以魑Tご砥鳎纸獾玫饺舾蒔至浚影饕9收闲畔⒌那几个分量中提取滚动轴承故障特征,通过与基于小波包分解提取故障特征的对比,表明基于蜕窬绲姆椒ǹ梢杂行侗鸸龆岢泄收侠嘈停哂懈玫识别能力。〔ò蚅方法相结合,改进了原来的椒ǎ孕〔ò毓后的信号再进行纸狻U攵怨龆岢谐鱿志植抗收鲜蓖樗孀胖芷谛月冲信号这一特点与奇异值分解技术的缺陷,提出了一种基于改进嬉熘捣解的故障特征提取方法。对滚动轴承实验信号的分析结果表明,基于改进奇异值分解和墓收险锒戏椒ǘ怨龆岢械墓收嫌泻芨叩氖侗鹇剩佣滚动轴承故障诊断提供了一种新方法。关键词:滚动轴承;故障诊断;局部均值分解;时频分析;神经网络;支持向量机障诊断研究
甌甌,瑄瓹,,琒形‘,