热门搜索: 论文 发表 社科期刊 北大核心 南大核心 cssci 科技期刊 教育

当前位置:主页 > 科技论文 > 电力论文 >

基于小波分析-EEMD-BSS与改进的KNN算法的振动筛振动电机滚动轴承故障信号提取和故障识别研究

发布时间:2019-04-12 19:35  文章来源:笔耕文化传播
【摘要】:随着科学技术的飞速发展,使用振动机械的企业越来越朝着大型化、智能化的方向发展,因此对振动机械运行的稳定性也要求越来越高,对振动机械的状态监测及故障诊断越来越受到重视。振动源是振动筛的动力来源,振动源发生故障将导致整台振动筛停止运行,甚至造成生产事故,导致巨大的经济损失。所以,对振动源故障实现早期诊断和预防将对提高振动筛的使用寿命和生产效率具有非常重要的意义,将对振动筛故障诊断技术的发展起着重要的推进作用。本文对振动筛的常用振动源—振动电机的滚动轴承,进行了基于小波分析—EEMD—BSS与改进的KNN算法的故障信号提取和故障识别研究。本文分析了小波分析与傅里叶变换的区别,系统的研究分析了小波变换、常用小波基函数、分析小波包等基本理论,通过微弱信号提取的仿真分析验证了小波分析在微弱信号提取中的有效性;通过对某实验信号分别采用小波去噪和巴特沃斯去噪,证明了小波去噪比巴特沃斯去噪更有优势。文中介绍了经验模态分解(Empirical Mode Decomposition,EMD)算法和集合平均经验分解(Ensemble Empirical Mode Decompositi,EEMD)算法的基本概念与原理,通过对模拟信号的对比分析以及对实际工况中提取实验数据的对比分析,证明了EEMD算法对抗混叠效应的能力明显强于EMD算法。根据EEMD算法在对抗混叠效应方面的优点,结合传统的盲源分离(Blind Source Separation,BSS)算法,提出了一种改进的EEMD-BSS算法,该算法能够有效的解决盲源分离中时常出现的观测信号数小于振源数的问题,并且通过计算机仿真证明了EEMD-BSS算法对信号分离的有效性。本文分析了振动电机滚动轴承的振动机理,对振动电机滚动轴承的故障频率进行了分析计算,分析了故障特征频谱。利用Pro/E和Adams软件实现了振动电机滚动轴承的建模及仿真。根据本文提出的EEMD—BSS算法,首先将仿真的故障信号进行小波包分解、重构,将重构的故障信号经EEMD分解,取其第7~10阶分量与对应的原信号重新组合,将组合后的信号进行BSS分离,分离的结果证明,基于EEMD-BSS算法可以在单通道的情况下较好的分离出故障特征频率,它把传统BSS算法难以应对的欠定问题转化成了适定问题,为故障信号的盲分离奠定了基础。针对传统K近邻(K Nearest Neighbor,KNN)算法存在的不足,本文提出了基于特征属性分类准确度的特征权重计算方法,将这种方法得出的特征属性权重应用到加权KNN算法中,并将这种权重KNN算法应用于振动电机滚动轴承样本的分类,其分类结果与传统KNN算法的分类结果比较,证明了所提出的基于特征属性分类准确度的特征权重的加权KNN算法可以有效的提高分类准确度。针对传统KNN算法存在的不足,基于样本间距的思想,本文又提出了一种基于不对称距离函数的改进KNN算法,并利用这一改进的KNN算法对振动电机滚动轴承样本进行了分类,从分类结果可以看出,这种基于不对称距离函数的改进KNN算法分类准确率比改进权重KNN算法分类准确率又有了较大的提高。本文采用EEMD—BSS算法与改进的KNN算法对振动筛振动电机滚动轴承进行故障诊断,从理论上有可靠的依据,对振动机械故障诊断技术的研究起到了一定的借鉴作用。
[Abstract]:......
【学位授予单位】:西安建筑科技大学
【学位级别】:博士
【学位授予年份】:2014
【分类号】:TM307

【相似文献】

相关期刊论文 前10条

1 盛爱兰,李舜酩;小波分析及其应用的研究现状和发展趋势[J];淄博学院学报(自然科学与工程版);2001年04期

2 何永勇,褚福磊,王庆禹,钟秉林;小波分析在应用中的两个问题研究[J];振动工程学报;2002年02期

3 王英俊,谢寿生;小波分析在航空发动机性能趋势监控中的应用[J];燃气涡轮试验与研究;2003年03期

4 刘泉,唐兵;基于C++的小波分析函数库设计[J];武汉理工大学学报(信息与管理工程版);2005年05期

5 薛全会;程秀芳;姚桂艳;孙丽媛;;小波分析的应用现状与前景[J];河北理工学院学报;2006年01期

6 康玲,万葳,姜铁兵;基于小波分析的水位流量关系曲线求解方法[J];华中科技大学学报(自然科学版);2003年10期

7 张向阳;小波分析的初步应用研究[J];中国原子能科学研究院年报;2003年00期

8 臧发业;小波分析和现代科学[J];山东交通学院学报;2004年03期

9 么连福;;基于小波分析的焊接图像缺陷诊断方法[J];东北电力大学学报;2007年06期

10 李文斌;张建宇;高立新;;小波分析在旋转机械故障诊断中的应用现状及展望[J];冶金设备;2010年04期

相关会议论文 前10条

1 刘素一;;研究生课程《小波分析》的教学方法研究[A];第5届教育教学改革与管理工程学术年会论文集[C];2012年

2 陆费东;蒋爱平;;小波分析在控制中的应用及展望[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集(上册)[C];2008年

3 陆费东;蒋爱平;;小波分析在控制中的应用及展望[A];第一届中国智能计算大会论文集[C];2007年

4 黄友锐;赵娜娜;;一种基于小波分析的焊缝识别算法[A];煤矿自动化与信息化——第20届全国煤矿自动化与信息化学术会议暨第2届中国煤矿信息化与自动化高层论坛论文集[C];2010年

5 崔旭东;董维申;刘瑞根;;应用小波分析探测闪光图像边缘[A];中国工程物理研究院科技年报(2000)[C];2000年

6 王运森;邱景平;孙豁然;;小波分析及其在爆破震动信号处理中的应用[A];2004年全国矿山信息化建设成果及技术交流会论文集[C];2004年

7 武东辉;张金华;程学强;;小波分析在沉降数据可靠性检验中的应用[A];第二届全国地下、水下工程技术交流会论文集[C];2011年

8 秦文政;马莉;;基于视觉显著性和小波分析的烟雾检测方法[A];浙江省信号处理学会2011学术年会论文集[C];2011年

9 刘国栋;张美云;梁巧萍;;基于离散小波分析的印刷墨斑评价方法研究[A];颜色科学与技术——2012第二届中国印刷与包装学术会议论文摘要集[C];2012年

10 王小明;张子戌;;用小波分析提高测井曲线中构造煤薄层的分辨率[A];瓦斯地质研究与应用——中国煤炭学会瓦斯地质专业委员会第三次全国瓦斯地质学术研讨会[C];2003年

相关重要报纸文章 前1条

1 阳雄;李建平:前沿课题敢“弄斧”[N];解放军报;2002年

相关博士学位论文 前10条

1 熊雷;小波分析在流体方程中的应用研究[D];武汉理工大学;2007年

2 衡彤;小波分析及其应用研究[D];四川大学;2003年

3 李玉峰;小波分析在图像去噪与压缩中的应用研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2006年

4 米湘成;小波分析和人工神经网络在生态学研究中的应用[D];中国科学院研究生院(植物研究所);2004年

5 李翔;基于小波分析的测量信号处理技术研究[D];哈尔滨工业大学;2009年

6 袁德宝;GPS变形监测数据的小波分析与应用研究[D];中国矿业大学(北京);2009年

7 尚绪凤;基于小波的积分微分方程的数值解[D];浙江大学;2008年

8 宋宜美;图像处理的超小波分析与变分方法研究[D];西安电子科技大学;2012年

9 刘占辉;小波分析在声学泄漏信号检测中的应用[D];吉林大学;2007年

10 朱军生;小波分析在害虫预测中的应用研究[D];南京农业大学;2011年

相关硕士学位论文 前10条

1 申婷婷;基于小波分析的齿轮箱故障诊断技术研究[D];天津理工大学;2015年

2 金潇男;基于小波分析的不同类型振动特性研究[D];长江科学院;2015年

3 李伟;基于小波分析的二维结构损伤识别方法应用研究[D];西南交通大学;2015年

4 陈立三;基于小波分析与神经网络的变形模型分析研究[D];江西理工大学;2015年

5 贾遂宾;基于小波的基因差异表达建模分析[D];哈尔滨工业大学;2015年

6 秦勇;基于曲率模态和小波分析的桥梁损伤识别研究[D];上海应用技术学院;2015年

7 程振桓;小波分析在无损探伤中的应用[D];青岛科技大学;2015年

8 吴成;小波分析在GPS变形监测中的应用[D];东华理工大学;2014年

9 吴闯;基于模糊理论及小波理论的桥梁变形分析应用研究[D];东华理工大学;2014年

10 相林杰;基于小波分析的桥梁结构损伤识别方法研究[D];天津大学;2013年



本文编号:2457330


论文下载
论文发表
教材专著
专利申请


    下载步骤:
    1.微信扫码,备注编号 2457330.
    2.
    点击下载


    本文链接:http://www.bigengculture.com/kejilunwen/dianlilw/2457330.html

    上一篇:基于多FACTS的网侧协调阻尼控制机理研究  
    下一篇:没有了