基于esmd和svm的滚动轴承故障诊断研究

《基于esmd和svm的滚动轴承故障诊断研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、Ｈ分类号：Ｔ１７单位代码：１０７２０５０８０２０２０３密级：公开学号：１ＳｈａａｎｘｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ硕士学位论文基于ＥＳＭＤ和ＳＶＭ的滚动轴承故障诊断研究ＲｅｓｅａｒｃｈｏｎＥＳＭＤａｎｄＳＶＭＢａｓｅｄＲｏｌｌｉｎｇＢｅａｒｉｎＦａｕｌｔＤｉａｎｏｓｉｓｇｇ论文作者：王振华指导教师、职称：杜宇波教授学科、专业名称：工科、机械电子工程研究方向：机械设备检测与故障诊断二〇一八年六月分类号：TH17单位代码：10720密级：公开学号：1508020203硕士学位论文基于ESMD和SVM的滚动轴承故障

2、诊断研究ResearchonESMDandSVMBasedRollingBearingFaultDiagnosis论文作者：王振华指导教师、职称：杜宇波教授学科、专业名称：机械电子工程研究方向：机械设备检测与故障诊断二○一八年六月摘要滚动轴承是应用最为广泛、也最易损坏的机械零部件之一，对其进行状态监测与故障诊断具有重大理论研究价值和实际应用意义。针对传统HHT方法在滚动轴承故障诊断中应用时存在筛选次数难以确定、模态混叠、端点效应及提取的趋势项太过粗糙等问题，本文将一种改进型的极点对称模态分解（ESMD）方法应用于滚动轴承的特征提取与模式识别，具体研究工作如下：首先阐述了滚动轴承故障诊断研究的意

3、义和主要内容，总结了特征提取和模式识别的研究现状及发展趋势，系统介绍了滚动轴承的基本结构、振动机理、故障频率及常用信号分析方法，并在此基础上介绍了两种不同类型的滚动轴承故障模拟平台。其次对ESMD的基本理论及方法进行了深入研究。仿真信号分析结果表明，与EMD相比，ESMD在非平稳信号分解能力、模态混叠及端点效应抑制能力、瞬时特征的精确性等方面具有一定优势。并将ESMD应用于滚动轴承内圈故障信号的特征提取，研究结果表明，与EMD相比，ESMD分解结果中无用分量较少，“直接插值法（DI）”的瞬时频率分布更趋合理，内圈故障特征提取能力更强。并将ESMD与奇异值差分谱理论结合应用于滚动轴承外圈故障信号

4、的特征提取。针对ESMD存在端点效应的问题，提出一种基于极值中点平移延拓的端点效应抑制方法（AESMD）。仿真信号分析结果表明，与ESMD相比，AESMD基于信号能量的端点效应评价指标更小，能够更大程度上抑制端点向外发散。并将AESMD与信息熵理论结合应用于滚动轴承全寿命周期试验的趋势项提取，能够自适应提取出比ESMD、EMD更优的趋势项。最后针对滚动轴承故障诊断研究往往难以获得大量典型故障样本的实际情况，采用支持向量机（SVM）作为分类器，对滚动轴承的工况类型进行模式划分。将提取到的固有模态分量（IMF）的归一化能量值构成特征向量进行训练，对测试样本进行模式识别验证了SVM的分类准确率。关键

5、词：极点对称模态分解；支持向量机；滚动轴承；特征提取；故障诊断iAbstractRollingbearingisoneofthemostwidelyusedandmosteasilydamagedmechanicalparts.Ithasimportanttheoreticalresearchvalueandpracticalapplicationsignificanceforconditionmonitoringandfaultdiagnosistorollingbearing.WhentraditionalHHTmethodisappliedtothefaultdiagnosisofrol

6、lingbearing,thereareproblemssuchasdifficulttodeterminethenumberofscreenings,modalaliasing,endeffects,andtheextractionoftrendtermsthataretoorough.Inthispaper,animprovedextreme-pointsymmetricmodedecompositionmethod(ESMD)isappliedtofeatureextractionandpatternrecognitionofrollingbearing.Themainresearchw

7、orkisasfollows:Firstly,thesignificanceandmaincontentoftheresearchonfaultdiagnosisofrollingbearingwereexpounded.Theresearchstatusanddevelopmenttrendoffeatureextractionandpatternrecognitionweresummarize