基于经验模态分解和人工智能算法的机床滚动轴承故障诊断研究

代理获取

页面导航

目录
摘要
著录项
相似文献
相关主题

摘要

随着现代科技的飞速进步,各生产行业的机械设备也日益趋向于集成化、大型化、复杂化和尖端化。大型的机床设备作为生产厂家赖以生存的“生命线”,其运行状态的好坏关系着整个生产厂家安全生产。滚动轴承作为机床机械设备一个极其重要的组成部分,对其进行工作状态检测和故障诊断具有很强的现实意义。本文通过HHT方法中的经验模态分解(EMD)算法对机床滚动轴承故障信号分解并提取出能量特征向量,采用人工神经网络和支持向量机的方法对机床滚动轴承故障状态进行识别。
　　首先,本文研究了EMD分解算法,它具有极强的自适应性和极高的信号局部时间特征尺度分析性能,可将各类振动信号分解为有限个不同时间特征尺度成分的本征模态函数(IMF)之和,从而在各IMF分量中提取出故障特征能量向量。
　　接着,在机床滚动轴承进行模式识别上本文采用了典型的BP人工神经网络、改进的LM-BP神经网络算法与EMD算法相结合,实验结果证明基于LM-BP神经网络的机床滚动轴承故障诊断是可行的,并且诊断效果良好,能够满足机械故障诊断要求。
　　最后,本文通过研究在处理小样本、非线性及高维数据方面有着巨大优势的SVM技术,将提取的能量特征向量与SVM算法相结合,运用于机床滚动轴承故障分类识别过程。并采用遗传优化(GA)算法对SVM分类参数初始值进行优化。优化后的GA-SVM算法具有高速、高效的分类特点。实验证明GA-SVM算法在分类识别领域和空间搜索过程中均具有极其优良的性能,诊断效果良好并优于LM?BP算法,满足机械故障诊断要求。

著录项

作者
唐甜;
展开▼
作者单位

桂林电子科技大学;

展开▼
授予单位桂林电子科技大学;
学科信号与信息处理
授予学位硕士
导师姓名张向利;
年度 2013
页码
总页数
原文格式 PDF
正文语种中文
中图分类滚动轴承;监视、报警、故障诊断系统;
关键词
滚动轴承; 故障诊断; 经验模态分解; 人工智能算法;

相似文献

中文文献
外文文献
专利

1. 基于改进的集合经验模态分解的电动机滚动轴承故障诊断研究 [J] . 卓仁雄 ,肖金凤 . 机械制造与自动化 . 2019,第001期
2. 基于经验模态分解和主成分分析的滚动轴承故障诊断研究 [J] . 汪朝海 ,蔡晋辉 ,曾九孙 . 计量学报 . 2019,第006期
3. 基于互补集合平均经验模态分解的滚动轴承故障诊断方法研究 [J] . 张萍1 ,李志农1 ,陈静铃1 . 南昌航空大学学报：自然科学版 . 2019,第002期
4. 基于改进的经验模态分解的滚动轴承故障诊断研究 [J] . 臧怀刚 ,李清志 ,韩艳龙 . 计量学报 . 2013,第002期
5. 基于谱峭度Morlet小波变换法和经验模态分解的滚动轴承故障诊断研究 [J] . 宋辉 ,陈浩杰 . 中国印刷与包装研究 . 2012,第001期
6. 基于经验模态分解的数控机床主轴故障诊断研究 [C] . 赵春霞 ,许宝杰 . 2011国际功能制造与机械动力学会议暨中国振动工程学会机械动力学学会成立30周年庆祝会议 . 2011
7. 基于经验模态分解和多尺度熵的滚动轴承故障诊断研究 [A] . 高中华 . 2016

基于经验模态分解和人工智能算法的机床滚动轴承故障诊断研究

目录

摘要

著录项

相似文献

相关主题

期刊订阅