试议小波基于振动信号机械故障特点提取和诊断网

致谢5-6

中文摘要6-8

ABSTRACT8-14

1 绪论14-28

1.1 探讨背景与作用14

1.2 机械故障诊断探讨的国内外探讨近况14-15

1.3 机械振动信号处理技术探讨综述15-23

1.3.1 时域信号处理技术16-17

1.3.2 频域信号处理技术17-19

1.3.3 时频域信号处理技术19-23

1.4 机械故障识别策略概述23-24

1.4.1 基于神经网络的识别策略23

1.4.2 基于支持向量机的识别策略23-24

1.4.3 基于聚类浅析的识别策略24

1.5 主要探讨内容24-28

2 基于经验模态分解的信号降噪策略28-42

2.1 引言28

2.2 经验模态分解策略28-30

2.2.1 内蕴模态函数29

2.2.2 “筛分”历程29-30

2.3 基于EMD的降噪原理30-31

2.3.1 基于阈值处理的降噪策略31

2.3.2 基于滤波的降噪策略31

2.4 改善的基于EMD的降噪策略31-32

2.5 仿真信号实验32-36

2.5.1 多普勒信号32-34

2.5.2 方波信号34-35

2.5.3 调制信号35-36

2.6 轴承实测信号实验36-40

2.6.1 实验描述37-39

2.6.2 实验结果39-40

2.7 本章小结40-42

3. 基于相对小波能量的机械故障诊断42-60

3.1 引言42

3.2 小波变换基本论述42-46

3.2.1 连续小波变换43

3.2.2 离散小波变换43-44

3.2.3 Daubechies小波44-46

3.3 相对小波能量46

3.4 支持向量机46-50

3.4.1 最优分类面46-47

3.4.2 线性支持向量机47-48

3.4.3 非线性支持向量机48-49

3.4.4 多分类支持向量机49-50

3.5 基于相对小波能量的故障诊断策略50-51

3.6 在轴承故障诊断中的运用51-59

3.6.1 实验数据51-53

3.6.2 轴承振动信号的小波浅析53-57

3.6.3 轴承振动信号的特点提取57-58

3.6.4 基于SVM的分类实验58-59

3.7 本章小结59-60

4 基于小波包与样本熵的机械故障诊断60-78

4.1 引言60-61

4.2 小波包变换61-63

4.2.1 小波包定义与性质61-62

4.2.2 小波包变换与小波变换的比较62-63

4.3 样本熵介绍63-65

4.3.1 近似熵63

4.3.2 样本熵63-65

4.4 轴承振动信号的样本熵浅析65-67

4.4.1 数据长度对样本熵的影响65-66

4.4.2 损伤程度对样本熵的影响66-67

4.4.3 载荷对样本熵的影响67

4.5 基于小波包分解和样本熵的故障诊断策略67-76

4.5.1 原始信号样本熵在故障诊断中的局限性67-68

4.5.2 轴承信号的小波包分解68-71

4.5.3 测试数据集描述71-72

4.5.4 轴承不同工况小波包分解样本熵值比较72

4.5.5 轴承故障诊断实验72-76

4.6 本章小结76-78

5 基于Hilbert-Huang变换的机械故障诊断78-96

5.1 引言78-79

5.2 Hilbert-Huang变换79-84

5.2.1 Hilbert变换79-80

5.2.2 瞬时频率80-81

5.2.3 Hilbert谱81-82

5.2.4 Hilbert谱与小波尺度谱的比较82-84

5.3 奇异值分解84-85

5.4 轴承振动信号的Hilbert谱奇异值浅析85-90

5.4.1 轴承振动信号的EMD分解86-88

5.4.2 轴承振动信号的Hilbert谱浅析88-89

5.4.3 轴承振动信号的Hilbert谱奇异值89-90

5.5 基于Hilbert谱奇异值的轴承故障诊断90-92

5.5.1 测试数据集描述90-91

5.5.2 基于SVM的轴承故障诊断实验91-92

5.6 铁路货车轴承Hilbert谱奇异值浅析92-94

5.7 本章小结94-96

6 基于独立分量浅析的机械故障诊断96-118

6.1 引言96-97

6.2 独立分量浅析基本论述97-102

6.2.1 ICA模型97-98

6.2.2 ICA的预处理98-99

6.2.3 独立性判据99-101

6.2.4 FastICA算法101-102

6.3 基于ICA的机械故障诊断策略之一102-106

6.3.1 基于所有样本ICA的特点提取102-103

6.3.2 轴承振动信号的ICA浅析103-104

6.3.3 最近邻分类器104

6.3.4 基于ICA的故障诊断实验104-106

6.4 基于ICA的机械故障诊断策略之二106-116

6.4.1 类别ICA特点提取原理106

6.4.2 相联系数106-107

6.4.3 基于ICA与相联系数的故障诊断策略107

6.4.4 齿轮故障诊断实验107-111

6.4.5 轴承故障诊断实验111-116

6.5 本章小结116-118

7 结论与展望118-122

7.1 全文工作总结118-119

7.2 主要革新点119-120

7.3 探讨展望120-122