货车轴承声发射信号特征提取与智能诊断研究

论文摘要

轴承能支撑、引导和减少固定机械与运动机械间的摩擦,是旋转机械的最重要部分。旋转机械开始故障是由于未对准、超载、不平衡等原因。对于任何这些问题,轴承都将面临严重后果。因此,监测和诊断轴承健康状况是必需的,这能避免那些能导致严重机械故障的问题发生。各种各样的监测技术被用于旋转机械的轴承故障诊断。本文讨论声发射监测技术,分析在货车轴承组件中捕获的声发射信号(AE)。使用现代信号处理技术对信号进行加工与分析,利用模式识别方法实现故障的智能诊断。论文系统介绍了滚动轴承的常用检测技术,为有利于检测轴承的早期故障,由对比分析,最终选用抗干扰和灵敏度都较强的声发射信号作为故障信号源,并详细介绍了声发射诊断技术机理和处理方法。由于列车安全事故本身是无法改变的,而对列车状态准确把握,对其故障隐患作出有效预测却可以有效避免列车事故,所以列车轴承状态监测是末来铁路货车安全信息系统的必然之路。为实现对铁路重载货运车辆动态监控。本文用小波包分解与支持向量机算法实现故障诊断与预测。文章针对铁路货车滚动轴承故障的实际情况,将支持向量机(SVM)方法引入货车轴承的智能故障诊断中,实现了轴承的在线智能诊断。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第1章 绪论
• 1.1 课题研究背景和意义
• 1.2 国内外研究现状
• 1.3 本文的研究内容
• 第2章 声发射信号处理技术在轴承故障诊断中的应用
• 2.1 声发射信号的类型
• 2.2 声发射信号处理技术介绍
• 2.2.1 特征参数法
• 2.2.2 波形分析技术
• 2.2.3 盲源分离技术
• 2.2.4 分形理论
• 2.2.5 高阶谱分析技术
• 2.2.6 小波分析
• 2.3 滚动轴承故障声发射诊断机理
• 2.4 滚动轴承故障特点及声发射技术应用的优势
• 2.5 本章小结
• 第3章 基于小波变换的声发射信号处理方法的研究
• 3.1 时频分析方法的发展
• 3.2 小波与小波包分析理论
• 3.2.1 小波变换
• 3.2.2 小波包变换
• 3.3 声发射信号的特征分析
• 3.4 声发射信号分析中的小波基选择方法研究
• 3.4.1 常用小波基的性质
• 3.4.2 选取小波基方法的研究
• 3.4.3 声发射信号分析的小波基选取
• 3.5 小波包分解在声发射信号分析中的应用
• 3.5.1 小波包阈值降噪研究
• 3.5.2 货车轴承声发射信号的小波包分解特征提取
• 3.6 本章小结
• 第4章 支持向量机的轴承故障诊断方法研究
• 4.1 机器学习及统计学习理论
• 4.1.1 机器学习问题的基本理论
• 4.1.2 统计学习理论
• 4.2 支持向量机
• 4.2.1 最优分类超平面
• 4.2.2 支持向量机分类算法推导
• 4.2.3 核函数
• 4.3 SVM算法应用于货车轴承智能诊断中的方法及优势
• 4.4 本章小结
• 第5章 基于小波和支持向量机的轴承故障诊断仿真研究
• 5.1 在线智能系统
• 5.1.1 系统的构成
• 5.1.2 AE数据采集模块
• 5.1.3 系统网络设计
• 5.2 故障监测的算法的实现
• 5.2.1 货车轴承声发射信号的小波包分解特征提取算法
• 5.2.2 货车轴承声发射信号的SVM分类算法
• 5.3 算法仿真分析
• 5.4 本章小结
• 第6章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间科研及论文完成情况