基于Hilbert-Huang變換的滾動軸承智能診斷方法研究.pdf_第1頁
已閱讀1頁,還剩88頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

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(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、滾動軸承是旋轉(zhuǎn)機(jī)械中最常用,也是最易損壞的零部件之一。旋轉(zhuǎn)機(jī)械的許多故障都與滾動軸承有關(guān),它的運(yùn)行狀態(tài)是否正常往往直接影響到整臺機(jī)器的性能。因此研究滾動軸承的故障診斷技術(shù)具有很現(xiàn)實(shí)的意義。 本文將時頻分析新方法——希爾伯特一黃變換(Hilbert-HuangTransform,簡稱HHT)和自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)(Adaptive Network-based FuzzyInference System,簡稱ANFIS)相結(jié)合應(yīng)用于滾

2、動軸承故障診斷中,實(shí)現(xiàn)了對滾動軸承的智能診斷。主要研究內(nèi)容包括:搭建實(shí)驗(yàn)裝置、設(shè)計(jì)實(shí)驗(yàn)方案;通過大量實(shí)驗(yàn)獲取滾動軸承振動信號,對所得信號進(jìn)行有效的分析處理,提取信號特征,從而識別出相應(yīng)的軸承狀態(tài);將神經(jīng)網(wǎng)絡(luò)與模糊邏輯相結(jié)合作為分類器,對滾動軸承的工作狀態(tài)和故障類型進(jìn)行分類。 HHT方法包括經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,簡稱EMD)和Hilbert變換兩部分。其中EMD是關(guān)鍵,它將信號分解

3、成有限個固有模態(tài)函數(shù)(Intrinsic Mode Function,簡稱IMF)之和。然后對每一個IMF進(jìn)行Hilbert變換,合并得到原信號的Hilbert譜,具有很高的時頻分辨率。通過對仿真信號和實(shí)際滾動軸承振動信號進(jìn)行HHT和其他時頻率分析方法的比較研究,驗(yàn)證了該方法分析非平穩(wěn)信號的有效性和優(yōu)越性。 在實(shí)際的應(yīng)用中,本文應(yīng)用了一種改進(jìn)的篩選停止準(zhǔn)則提高了EMD分解速度和精度。并且,采用了基于包絡(luò)解調(diào)技術(shù)的EMD方法,減少

4、故障振動信號中的噪聲干擾和高頻固有振動對EMD分析造成的影響,得到準(zhǔn)確的IMF分量,從而有效地提取特征信息。 智能診斷系統(tǒng)是在EMD與模糊神經(jīng)網(wǎng)絡(luò)結(jié)合的基礎(chǔ)上建立起來的。文中選取ANFIS和BP網(wǎng)絡(luò)分別作為滾動軸承故障模式的分類器,并采用基于EMD的特征參數(shù)和基于小波分解的特征參數(shù)分別作為故障特征,輸入到分類器中加以比較。實(shí)驗(yàn)結(jié)果表明:基于EMD的特征參數(shù)能夠正確有效地反映滾動軸承的各故障特征,當(dāng)它與ANFIS模糊神經(jīng)網(wǎng)絡(luò)結(jié)合時

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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。

評論

0/150

提交評論