小波分析在旋转机械故障诊断中的应用研究

《小波分析在旋转机械故障诊断中的应用研究》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、武汉科技大学硕士学位论文第1页摘要小波分析是近年来发展很快的一门理论，已经越来越多地应用于图像处理、数据压缩、语音识别、信噪分离、分形等领域。本论文利用小波分析理论，把这种理论应用到机械故障诊断中，通过对小波分析的理论研究和实例分析说明小波分析在故障诊断领域中的应用前景是非常广阔的。本文研究了设备故障诊断技术的发展现状及发展趋势，介绍了传统的故障诊断方法及旋转机械几种常见故障，说明了小波分析在故障诊断中的意义。重点研究了小波分析理论以及应用，介绍了小波在消噪、滤波及检测突变信号方面的应用，说明了在机械设备故障诊断中利用小波分析具有明显的优越性和必要性。本文通过采集某

2、厂透平压缩机组轴承振动信号，对采集的振动信号进行小波分析。通过利用小波的多分辨分析以及Mallat算法性质，利用Matlab软件，进行单一频率的提取，来确定原信号是不是故障信号，提出了一种判断故障信号的方法。同时根据小波分析的思想，设计构造了一种新型旋转机械故障诊断装置，这是一种基于小波理论的故障诊断系统，利用这个系统提取的故障信号十分清晰，使得机械故障的诊断结果更加准确。小波分析在时频局部化方面具有良好的特性，对处理非稳定信号具有非常突出的优越性。将小波分析理论应用到旋转机械的故障诊断中是一项值得推广应用的新技术，应用前景十分广阔。关键词：旋转机械；故障诊断；小波

3、分析；第1I页武汉科技大学硕士学位论文AbstractWaveletanalysisisatheorydevelopingrapidlyinrecentyears．Ithasbeenincreasinglyusedinimageprocessing，datacompression，speechrecognition,signaltonoiseseparation，fractalandotherfields．Inthisthesis，waveletanalysistheorytothetheoryappliedtomachineryfaultdiagnosis，wav

4、eletanalysisthroughtheoreticalstudyandrealdataanalysisofwaveletanalysisinfaultdiagnosisinthefieldofapplicationprospectisverybroad．Thispaperstudiesthefaultdiagnosistechnologystatusanddevelopmenttrend，introducesthetraditionalmethodandtherotatingmachineryfaultdiagnosisofseveralcommonfault

5、s，indicatingthewaveletanalysisinfaultdiagnosisof．Focusesonthewaveletanalysistheoryandapplication，introducedinthewaveletdenoising，signalfilteringanddetectionofmutationsintheapplication，illustratesthefaultdiagnosisofmachineryusingwaveletanalysishasobviousadvantagesandnecessity．Inthispape

6、r,collectingafactoryturbinecompressorofbeatingvibrationsignal，thecollectedvibrationsignalsusingwaveletanalysis．ThroughtheuseofwaveletmultiresolutionanalysisandthenatureofMallatalgorithm，usingMatlabsoftware，toextractasinglefrequencytodeterminetheoriginalsignalisnotfaultsignal，amethodofj

7、udgingfaultsignal．Atthesametimetheideaofthewaveletanalysis，designconstructedanewrotatingmachineryfaultdiagnosisdevice，whichisawavelettheorybasedfaultdiagnosissystemusingthesystemextractsthefaultsignalisveryclear,makesthemechanicalfaultdiagnosismoreaccurate．Waveletanalysisintime-frequ