基于ASSD和VMD的滚动轴承早期故障诊断方法研究

发布时间：2023-02-07 21:00

　　在工业生产中,滚动轴承作为一种常用的零件,在交变载荷的作用下,极易发生故障。因此,对滚动轴承故障诊断进行研究具有重大工程意义。由于滚动轴承在故障发生初期,故障特征较为微弱并且伴随有较大的噪声,使得故障信息淹没在噪声中难以提取。因此,使用有效的方法准确地提取滚动轴承早期微弱故障特征是现阶段的技术难点。本文以变分模态分解(Variational Mode Decomposition,VMD)算法为基础,不断地改进与完善该算法,并且对上述难点进行深入研究,提出一种新型可靠的滚动轴承早期微弱故障特征提取方法。主要研究内容如下:VMD算法分解信号时,该算法中本征模态函数分解个数k值和惩罚因子α值需要预先设定。通常使用试凑法、单目标优化法来确定分解层数k以及惩罚因子α,但是采用上述方法得不到最佳的参数组合,以至于VMD算法不具有自适应性。因此,本文提出了利用多目标粒子群优化算法(Multi-objective Particle Swarm Optimization,MOPSO)对VMD参数进行优化。其步骤是:首先,选用符号动力学熵(Symbolic Dynamic Entropy,SDE)和功率谱...

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 课题来源、研究背景及意义
    1.2 滚动轴承故障信号特性
        1.2.1 滚动轴承基本结构
        1.2.2 滚动轴承故障特性分析
    1.3 课题相关国内外研究现状
        1.3.1 滚动轴承故障特征提取方法研究现状
        1.3.2 滚动轴承早期微弱故障诊断方法研究现状
    1.4 本文研究的主要内容
2 VMD、SSD理论方法的研究
    2.1 VMD方法
        2.1.1 VMD方法的基本概念与研究现状
        2.1.2 VMD方法的理论基础
        2.1.3 仿真信号分析
    2.2 SSD方法
        2.2.1 SSD方法的基本概念与研究现状
        2.2.2 SSD方法的理论基础
        2.2.3 仿真信号分析
    2.3 本章小结
3 自适应VMD、ASSD理论方法的研究
    3.1 粒子群优化(PSO)算法
        3.1.1 PSO算法原理
        3.1.2 参数的选择
        3.1.3 PSO基本算法流程
    3.2 基于多目标粒子群优化(MOPSO)算法的自适应VMD方法研究
        3.2.1 多目标粒子群优化(MOPSO)算法
        3.2.2 基于多目标粒子群优化(MOPSO)算法的VMD参数优化
        3.2.3 仿真信号分析
    3.3 基于量子行为粒子群优化(QPSO)算法的自适应SSD方法研究
        3.3.1 量子行为粒子群优化(QPSO)算法理论
        3.3.2 量子行为粒子群优化(QPSO)算法对L1 范数正则化参数的优化
        3.3.3 仿真信号分析
        3.3.4 滚动轴承故障实验信号分析
    3.4 本章总结
4 基于ASSD和 VMD的新型滚动轴承早期故障诊断方法
    4.1 ASSD-VMD方法的研究意义
    4.2 ASSD-VMD方法处理信号的流程
    4.3 仿真信号分析
    4.4 实验验证和分析
        4.4.1 试验台设计
        4.4.2 实验信号分析
    4.5 本章小结
5 总结与展望
    5.1 总结
        5.1.1 本文工作总结
        5.1.2 本文创新点
    5.2 展望
参考文献
攻读硕士期间发表的论文及所获得的研究成果
致谢



本文编号：3737422