题名 | 电机轴承故障诊断方法研究 |
作者 | 付嘉乐 |
答辩日期 | 2018 |
导师 | 王惠中 ; 魏光明 |
关键词 | 特征提取 轴承故障 小波变换 信息熵 聚类算法 |
学位名称 | 硕士 |
英文摘要 | 电机是现代工业过程中的重要驱动力,而轴承是电机最基本的部件之一,更是最易损坏的元件,且电机的正常运行与否与轴承的好坏有直接关系。所以,为了使电机能够正常工作,对轴承的状态监测和诊断是十分必要的。基于对常用电机轴承故障损伤识别方法的分析,发现振动信号不仅有非常强的抗干扰能力,还可以检测出轻微故障。因此采用振动检测技术对电机轴承故障进行诊断已成为主流趋势。论文分析了电机轴承的几个主要失效模式及其原因,详细介绍了电机轴承故障特征频率的推导过程,并研究了电机轴承典型故障信号的特点。其次,噪音将会对信号数据的采集产生一定的干扰作用,从而影响数据的有效性以及准确程度,而噪声的形式以及对采集过程的影响程度与故障的类型有很大关联,故障的类型不同,其产生的噪音也将分布在各不相同的频段,这些不同频段的噪音与系统采集的目标声音信号产生不同程度的叠加或者削减,进而导致目标信号熵值的变化,采集数据的失真。考虑到噪音对采集数据的影响原理及过程,本文利用了一种较为有效的特征提取方法,该方法建立在相关性比较小的波奇异熵之上。最后,将聚类算法引入到轴承故障的诊断过程中,采用改进聚类算法进行损伤识别。实验表明,在轴承故障识别中运用本文的方法是十分有效的,且在故障诊断精度和速度方面也都明显优于传统的聚类方法。 |
语种 | 中文 |
页码 | 55 |
URL标识 | 查看原文 |
内容类型 | 学位论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/94084] |
专题 | 兰州理工大学 |
作者单位 | 兰州理工大学 |
推荐引用方式 GB/T 7714 | 付嘉乐. 电机轴承故障诊断方法研究[D]. 2018. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论