基于数学形态学与模糊C均值的滚动轴承故障诊断方法

论文摘要

随着现代化工业生产的不断发展，机械设备故障诊断技术近年来得到了广泛的重视，滚动轴承作为机械传动系统中的重要元件，其运行的好坏直接影响机器的工作状况。针对滚动轴承振动信号噪声，建立了一种数学形态学组合滤波器，通过组合形态滤波器对其振动信号进行降噪处理；针对振动信号的非平稳性、非线性等特征，提出一种多尺度形态学分析方法对故障信号进行定性和定量分析，同时针对故障模式的模糊性问题，提出采用模糊C均值(Fuzzy Center Means，简称FCM)聚类算法的模糊故障识别方法，并将上述研究方法结合起来运用到滚动轴承的故障诊断中。首先，阐述了滚动轴承的故障主要形式和振动机理，给出振动信号常用降噪方法，如传统的滤波方法、小波变化消噪技术和经验模态分解(Empirical modedecomposition，简称EMD)降噪技术；同时阐述了传统的振动信号的分析方法，包括时域分析，频域分析等。其次，根据形态组合滤波器中结构元素目前尚无一确定的选取准则问题，分析了形态组合滤波器中结构元素的形状、宽度和幅度对形态滤波效果的影响。然后，分析了多尺度形态学在振动信号中的应用，通过分形维数和形态谱熵对故障信号进行特征描述，将其作为描述故障的特征参数引入到模糊C均值聚类算法中作为聚类分析的特征向量，为机械故障识别作准备。最后，针对来自美国凯斯西储大学的滚动轴承故障数据及宝钢1580SP轧机实测数据进行实验研究及分析，并给出结论。形态学滤波方法可以对滚动轴承振动信号达到很好的降噪效果；多尺度形态学方法可以对滚动轴承故障进行定性和定量描述，模糊C均值聚类可以取得良好的识别效果。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 引言
• 1.2 机械故障诊断的发展概况
• 1.2.1 故障诊断技术的发展过程
• 1.2.2 故障诊断技术的发展趋势
• 1.2.3 故障诊断技术的重要作用
• 1.3 轴承故障诊断的基本内容
• 1.3.1 滚动轴承振动信号降噪
• 1.3.2 滚动轴承故障诊断
• 1.4 本文的主要研究内容
• 第2章 滚动轴承故障机理及诊断技术
• 2.1 滚动轴承的主要故障
• 2.2 滚动轴承的振动机理
• 2.2.1 滚动轴承振动的基本参数
• 2.2.2 正常滚动轴承的振动特性
• 2.2.3 异常滚动轴承的振动特性
• 2.3 振动信号滤波处理技术
• 2.3.1 传统的信号降噪技术
• 2.3.2 小波变换降噪技术
• 2.3.3 EMD 降噪技术
• 2.4 传统的振动诊断方法
• 2.4.1 振动诊断的时域分析方法
• 2.4.2 振动诊断的频域分析方法
• 2.5 本章小结
• 第3章 振动信号的数学形态学分析方法
• 3.1 数学形态学理论与基本运算
• 3.1.1 数学形态学简介
• 3.1.2 数学形态学基本运算
• 3.2 形态滤波器
• 3.3 形态滤波器的设计分析
• 3.3.1 结构元素形状的选取
• 3.3.2 结构元素宽度和幅度的选择
• 3.4 基于多尺度形态学的非线性信号分析
• 3.4.1 多尺度形态学原理
• 3.4.2 多尺度形态学分形维数
• 3.4.3 多尺度形态谱
• 3.5 本章小结
• 第4章 模糊 C 均值聚类分析方法
• 4.1 聚类分析的概况
• 4.1.1 聚类分析的基本概念
• 4.1.2 聚类分析的数学模型
• 4.1.3 聚类分析的分类
• 4.2 模糊 C 均值聚类算法
• 4.2.1 硬 C 均值聚类
• 4.2.2 模糊 C 均值聚类
• 4.2.3 模糊模式识别
• 4.3 本章小结
• 第5章 滚动轴承故障诊断实验及应用
• 5.1 故障诊断实验数据
• 5.2 振动信号降噪
• 5.2.1 IIR 数字滤波
• 5.2.2 小波消噪
• 5.2.3 形态学滤波降噪
• 5.3 频谱分析
• 5.4 多尺度形态学分析
• 5.4.1 分形维数分析
• 5.4.2 形态谱分析
• 5.5 模糊 C 均值在故障识别中的应用
• 5.5.1 模糊 C 均值聚类应用
• 5.5.2 故障识别
• 5.6 故障诊断方法在 1580SP 轧机上的应用
• 5.6.1 1580SP 轧机传动系统
• 5.6.2 传动系统的轴承参数
• 5.6.3 传动系统数据采集
• 5.6.4 形态学滤波
• 5.6.5 故障诊断分析
• 5.7 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介