当前位置:主页 > 科技论文 > 机械论文 >

用于回转机械设备故障诊断和预测的母小波函数类型及应用研究

发布时间:2024-03-26 01:14
  针对小波分析方法的基本原理以及它在机械设备故障诊断中的应用,本文主要论述了以下几个问题: 一、简单介绍了回转机械设备的重要地位、振声诊断的主要手段及其现阶段发展动向;重点叙述了时频分析方法中小波分析方法的基本原理和突出优点,同时对当前常用的小波函数的特性和特点进行了比较。模拟了大量回转机械设备的主要且具有代表性的故障信号,针对这些回转机械设备的典型故障,分别应用小波连续变换与传统FFT方法进行了比较。充分体现了小波分析方法在故障诊断方面应用的优越性和广阔前景。 二、针对小波的主要应用领域之一——降噪,通过MATLAB对几种典型的染噪故障信号进行了分析,从而得出了一些关于小波降噪影响因素的规律,如:母小波类型(紧支集长度,滤波器长度,对称性,消失矩阶数),噪声类型,阀值选取方式和通阀方式,小波分解层数,小波降噪和小波包降噪,不同特征的故障振动信号(调制效果、变频、脉冲信号、短时间历程、趋势信号)。最后还提出了一种自适应小波降噪方法,取得了较好的效果,对于拓展小波的应用方式和领域有一定的参考价值。 三、最后叙述了人工神经网络的基本原理、种类和特性,通过对几例小波和神...

【文章页数】:81 页

【学位级别】:硕士

【文章目录】:
中文摘要
英文摘要
第一章 回转机械设备故障诊断重要性、主要手段以及国内外研究现状
    1.1 回转机械设备故障诊断的重要性及意义
    1.2 回转机械设备故障诊断的主要方式手段及其优缺点
        1.2.1 振声诊断技术
        1.2.2 油样分析技术
        1.2.3 温度监测方法(红外监测技术)
        1.2.4 无损检测技术(超声与声发射)
    1.3 振声诊断信号处理的相关理论基础
        1.3.1 机械故障诊断的基本环节
        1.3.2 信号的分析处理手段及故障征兆的提取和识别
    1.4 机械设备故障振声诊断技术新兴方法的国内外研究现状
        1.4.1 机械故障诊断技术发展简史
        1.4.2 机械故障诊断技术的现状和存在的主要问题:
        1.4.3 设备故障振声诊断的最新发展及其应用
第二章 小波分析诊断方法原理和应用概述
    2.1 小波分析的基本原理
    2.2 小波母函数的类型及工程应用选择小波类型的原则
        2.2.1 小波母函数的类型
        2.2.2 工程应用选择小波类型的原则
    2.3 小波分析的分类(CWT,DWT,WPT)及其原理异同
        2.3.1 连续小波变换的实质和基本分析步骤
        2.3.2 离散小波变换的实质和基本步骤
        2.3.3 小波包变换
    2.4 小波分析方法的优缺点及其发展现状和趋势
        2.4.1 小波分析的具体应用优点
        2.4.2 小波分析的不足之处
        2.4.3 振声诊断中小波分析方法的现状及发展动态
第三章 小波变换与传统傅里叶变换应用于典型故障诊断的比较
    3.1 典型的故障类型、成因及其信号模拟
    3.2 连续小波变换应用于典型故障诊断
    3.3 传统FFT与小波变换的结果比较
第四章 小波分析应用于信号降噪及其自适应方法
    4.1 小波应用于信号降噪的基本原理和实现方式(离散或连续小波)
    4.2 离散小波分解降噪及其影响因素的研究
    4.3 自适应小波降噪及其与离散小波分解降噪的比较
        4.3.1 自适应Morlet小波
        4.3.2 自适应小波用于检测噪声信号中的周期脉冲
        4.3.3 正交离散小波变换(DWT)以及小波降噪方法与自适应Morlet小波方法的比较
        4.3.4 结论
第五章 小波分析方法与人工神经元网络技术相结合的探索
    5.1 人工神经元网络的主要原理和模型分类
    5.2 人工神经元网络的主要模型类型及其特点
    5.3 小波分析方法与人工神经元网络技术结合的实现步骤和要点
    5.4 小波分析方法与人工神经元网络技术相结合的实例和设想
        5.4.1 小波神经网络在齿轮早期故障诊断中的应用
        5.4.2 小波降噪与神经网络的结合在内燃机气缸气密性检测中的应用
        5.4.3 小波神经网络法在柴油机故障诊断中的应用
        5.4.4 小波神经网络法在故障诊断中的应用小结
    5.5 应用展望
结论
致谢
参考文献



本文编号:3939142

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/jixiegongcheng/3939142.html


Copyright(c)文论论文网All Rights Reserved | 网站地图

版权申明:资料由用户6988c***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱[email protected]