首页> 中文学位 >约束KICA信号分离方法及在滚动轴承故障诊断中的应用研究
【6h】

约束KICA信号分离方法及在滚动轴承故障诊断中的应用研究

代理获取

目录

声明

摘要

第一章 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 本论文的主要工作

第二章 滚动轴承典型故障机理与诊断方法

2.1 滚动轴承典型故障机理

2.1.1 滚动轴承结构

2.1.2 滚动轴承故障机理

2.2 滚动轴承故障信号采集

2.2.1 振动测试实验方案

2.2.2 振动信号采集

2.3 KICA方法简介

2.3.1 ICA方法

2.3.2 核方法

2.3.3 KICA方法

2.4 本章小结

第三章 基于相似度函数的KICA核参数优化研究及应用

3.1 KICA核函数及其参数

3.2 基于信号相似度的核参数优化目标函数

3.2.1 信号相似度函数

3.2.2 滚动轴承故障信号分离仿真信号的构造

3.3 典型核函数核参数优化分析

3.3.1 高斯核函数优化研究

3.3.2 多项式核函数优化研究

3.3.3 Hermite核函数优化研究

3.4 滚动轴承故障振动诊断实例分析

3.5 本章小结

第四章 基于脉冲参考信号的约束KICA方法及应用

4.1 基于脉冲信号的约束KICA方法

4.1.1 问题提出

4.1.2 约束KICA模型

4.1.3 参考信号的建立

4.2 约束KICA信号分离仿真分析

4.2.1 仿真信号的建立

4.2.2 通道数对约束KICA的影响

4.2.3 参考信号关键参数仿真分析

4.3 基于约束KICA的滚动轴承故障信号分离

4.3.1 基于正确脉冲参考的约束KICA的滚动轴承故障信号分离

4.3.2 基于错误脉冲参考的约束KICA的滚动轴承故障信号分离

4.4 本章小结

第五章 结论与展望

5.1 全文工作总结

5.2 研究展望

参考文献

致谢

附录A:攻读硕士期间发表的论文及参与的科研项目

展开▼

摘要

滚动轴承是旋转机械设备的核心部件,其性能直接影响到整个机械系统运行状态。但是由于加工工艺复杂,工作环境恶劣等因素的存在,导致了轴承具有较高的故障率,因此对轴承的故障诊断一直是一个重要的研究课题。滚动轴承实测振动信号往往会有多个振动源的同时存在,表现出非平稳、非线性,这些都严重的影响估值诊断的准确性和可靠性。独立成分分析(ICA)是近几年发展起来的基于信号高阶统计特性的分析方法,它能仅通过多路混合信号就能将相互独立的分量分析出来,但是目前该算法对于处理非线性变化的信号有一定的局限性。而本文使用的核独立成分分析是将核方法的非线性解决能力以及ICA的高阶统计特性结合起来的全新算法,它能有效的捕捉数据的非线性特征,在处理高阶相关性数据时表现出特有优势。尽管核函数在很多问题上有着良好表现,但是核函数和核参数的选择目前缺少统一定则,在实际应用中只能凭借经验确定;同时基于KICA的信号处理存在着不确定性、源信号估计以及信号信息使用单一问题,针对上述问题本论文开展以下工作:
  (1)归纳了旋转机械核心部件-滚动轴承的典型故障机理,开展了滚动轴承故障振动信号采集实验,同时论述了滚动轴承故障诊断中ICA、核方法以及KICA方法原理,作为后续研究的理论基础。
  (2)针对机械故障诊断中KICA算法的核函数及核参数难以确定问题,构造了基于改进向量夹角余弦值的相似度函数,提出以KICA分离前后信号相似度作为KICA信号分离效果评判标准,对滚动轴承故障诊断中KICA的核参数进行寻优研究。通过仿真实验确定最适于滚动轴承故障诊断的核函数类型及其参数取值范围,并用于指导实测滚动轴承振动信号的分析与诊断。
  (3)针对信号的KICA分离中的不确定性、源信号估计问题以及信号信息使用单一的问题提出提出了基于约束KICA的滚动轴承故障诊断模型,旨在通过滚动轴承故障机理先验知识构建脉冲参考信号用于KICA信号分离的约束条件,提高故障信号分离的效果。研究了信号通道数以及脉冲参考信号频率、相位以及脉冲宽度对算法性能的影响,并结合滚动轴承故障实验台测试的数据对该方法的特征信号提取进行验证,证明了基于脉冲参考信号的约束KICA对滚动轴承故障诊断的有效性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号