导读:本文包含了早期故障论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:故障,分解,包络,奇异,齿轮箱,齿根,卷积。
早期故障论文文献综述
赵玮[1]（2019）在《基于VMD和奇异差分谱的滚动轴承早期故障诊断》一文中研究指出针对强噪声环境下滚动轴承早期故障特征信息非常微弱且难以提取的问题,提出了基于变分模态分解(Variational Mode Decomposition,VMD)和奇异值差分谱的故障诊断方法。首先对轴承故障振动信号进行VMD分解得到一系列本征模态分量(Intrinsic Mode Functions,IMFS),由于噪声的干扰,很难从各个模态分量中提取有效的故障特征信息;然后根据相关系数准则,对相关系数较大的分量构建Hanke矩阵进行奇异值分解,求取奇异值差分谱,从差分谱中确定重构信号的有效阶次对信号进行降噪处理;最后对降噪处理后的信号进行Hilbert包络处理,从包络谱中即可准确地提取到故障特征频率。仿真信号和工程数据处理结果表明,该方法能够有效地降低噪声的影响,精确地提取到轴承微弱的故障特征频率信息。(本文来源于《机械设计与制造》期刊2019年12期）
王斐,房立清,赵玉龙,齐子元[2]（2019）在《基于VMD和SVDD的滚动轴承早期微弱故障检测和性能退化评估研究》一文中研究指出针对滚动轴承早期微弱故障检测及故障状态监测问题,提出了一种基于变模态分解(VMD)分解和支持向量数据描述(SVDD)的滚动轴承性能退化评估模型。对振动信号进行VMD分解,选取对性能退化较为敏感的本征模态分量,提取其奇异值,并结合信号的时域特征指标,复杂度指标组成特征向量矩阵作为滚动轴承综合特征指标;并以正常状态下的综合特征指标作为训练样本完成SVDD评估模型的构建,利用滚动轴承全寿命试验数据进行评估模型的验证。实验结果表明,该评估模型可以准确检测到滚动轴承早期微弱故障阶段的发生,同时可以很好的揭示滚动轴承性能退化规律,其评估效果优于模糊C均值聚类(FCM)方法。(本文来源于《振动与冲击》期刊2019年22期）
任学平,黄慧杰,李攀[3]（2019）在《基于ELMD和1.5维谱的滚动轴承早期故障诊断方法》一文中研究指出滚动轴承出现早期故障时,故障特征十分微弱,伴随严重的噪声干扰导致其故障特征难以识别,针对这一问题,提出了一种总体局部均值分解(Ensemble Local Mean Decomposition,ELMD)和1.5维谱相结合的滚动轴承故障诊断新方法。该方法首先运用ELMD对振动信号进行分解,得到一系列乘积函数(product function,PF)分量,然后根据峭度准则以及相关系数准则提取一个包含主要故障信息的PF分量,最后对提取的PF分量进行1.5维谱分析,通过分析谱图中突出成分以确定轴承故障类型。通过仿真信号和工程实验数据分析验证了该方法的有效性。(本文来源于《机械设计与制造》期刊2019年11期）
李勃旭,南西康,郑向东,高文科[4]（2019）在《基于EMD-ARIMA模型的地铁门传动系统早期故障预测》一文中研究指出地铁门夹紧力峰值数据在一定程度上可以反映其传动系统的退化状态.基于此,本文运用研发的数据采集系统对新上线地铁门的夹紧力进行实时地采集、存储、显示和查询.分别采用ARIMA模型与EMD-ARIMA模型对夹紧力峰值的均值和标准差随累积运行时间的变化趋势进行预测,依据预测结果确定地铁门传动系统发生早期故障的概率.通过两种模型预测对比结果表明, EMD-ARIMA模型可以较好地预测地铁门夹紧力峰值的变化趋势,这种改进的预测方法可以对处于调试期车门退化状态的预测提供新思路.(本文来源于《计算机系统应用》期刊2019年09期）
吴立泉,刘永强,梁兆文[5]（2019）在《一种感应电机转子断条早期故障诊断方法》一文中研究指出针对感应电机转子发生早期断条故障时,定子电流故障特征频率容易被基波频率淹没,导致电机转子断条故障发现不及时的问题,采用多回路方程建立感应电机发生转子断条故障的模型,推导了dq0坐标系下感应电机发生早期断条故障的模型。在该故障模型的基础上,利用参数辨识和滑窗技术得到电机等效参数变化曲线。该方法得到的电机等效参数曲线对转子早期断条故障具有明显的故障特征信号,通过辨识曲线特征可诊断电机转子断条故障,同时给出了转子发生不同程度故障时的差异指标。最后试验验证了该方法的可行性。(本文来源于《电机与控制应用》期刊2019年09期）
王建国,崔玥,张文兴[6]（2019）在《VMD和奇异差分谱在齿轮早期故障诊断中的应用》一文中研究指出针对齿轮故障振动信号的多分量、多频率调制特性且早期故障振动信号信噪比低,故障特征微弱难以提取的问题,提出了基于变分模态分解(Variational Mode Decomposition,VMD)和奇异值差分谱的故障诊断方法。首先对采集到的齿轮故障振动信号进行VMD分解,得到一系列窄带本征模态分量(band-limited intrinsic mode functions,BLIMFS),由于噪声的干扰,从各个模态分量的频谱中很难对故障做出正确的判断;然后根据相关系数准则,选取与原始信号相关系数较大的分量构建Hankel矩阵并进行奇异值分解,求取奇异值差分谱,从差分谱中确定重构信号的有效阶次对信号进行降噪处理;最后对降噪处理后的信号进行Hilbert包络谱分析,即可从中准确地识别出齿轮的故障特征频率。仿真信号和齿轮箱齿轮故障模拟实验结果表明,该方法能够有效地降低噪声的影响,准确地提取到齿轮微弱的故障特征信息。(本文来源于《机械设计与制造》期刊2019年09期）
李成升,于洋[7]（2019）在《基于行波特征量与堆迭自动编码器的电缆早期故障定位方法》一文中研究指出电缆由于不易受天气影响及可靠性高等优点,在配电网中的使用越加广泛。但是,随着电缆运行年限的增加,电缆会因局部放电等影响而发生故障。电缆早期故障作为永久性故障的前兆,对其进行识别和定位是提高电网安全性的重要方法。由于过电流扰动信号在时频域下包含丰富的暂态信息,提出了行波特征量与堆迭自动编码器相结合的电缆早期故障定位方法。首先利用S变换对电流信号进行处理,提取行波等特征量,并将其作为输入数据对堆迭自动编码器进行训练,利用训练好的网络,正确定位早期故障发生的区段。通过在PSCAD/EMTDC中搭建仿真模型获得仿真数据,结果表明,所提的方法具有较高的准确率和较好的泛化性能。(本文来源于《四川电力技术》期刊2019年04期）
梁海英,许昕,潘宏侠,赵雄鹏[8]（2019）在《基于MRSVD和信息融合的供输弹系统早期故障预示》一文中研究指出对于供输弹系统早期故障中信号成分复杂、潜在故障征兆难以识别问题,提出基于多分辨奇异值分解能量特征和多场信息融合的供输弹系统早期故障识别方法。首先采集不同状态下供输弹系统的振动信号通过进行MRSVD分解,得到1个相似信号和8个细节信号,提取这些分量信号的能量特征并进行归一化处理,得其能量相对值;然后使用灰色关联分析对所提取的能量特征进行故障识别;为了提高故障识别准确率,将振动信号和声压信号用D-S证据理论进行融合识别。实验结果表明,MRSVD能量特征提取方法能有效提取供输弹系统早期故障特征,且经多场信息融合后可提高故障识别准确率。(本文来源于《噪声与振动控制》期刊2019年04期）
袁洪芳,穆坤,马若桐,王华庆[9]（2019）在《基于MOMEDA与双谱分析的滚动轴承早期故障诊断》一文中研究指出滚动轴承早期故障阶段,故障特征微弱且环境噪声干扰严重,采集数据包含大量噪声信息,传统的包络谱分析难以提取故障特征信息。双谱分析理论上可以抑制高斯噪声,但很难从强背景噪声下提取出微弱故障特征。而多点最优调整的最小熵解卷积(Multipoint Optimal Minimum Entropy Deconvolution Adjusted,MOMEDA)方法能增强信号中的冲击特征,但其效果和故障信号周期区间等参数有关。利用MOMEDA与双谱分析进行信号处理,将提取到的信号高阶谱特征作为滚动轴承早期故障分类依据。利用MOMEDA方法对采集信号进行滤波处理,提取出有冲击特征的时域信号;对特征增强的信号进行双谱分析,从高阶谱中提取故障特征。经过仿真信号分析和实际轴承故障信号验证,该方法能有效地提取出滚动轴承早期故障特征,实现故障诊断。(本文来源于《测控技术》期刊2019年08期）
张俊,李习科,汪建,姚立纲,刘先增[10]（2019）在《含齿根早期裂纹损伤的行星齿轮箱故障机理研究》一文中研究指出行星齿轮箱中齿根早期裂纹损伤的故障特征微弱,导致其难以被识别.为揭示齿根早期裂纹的故障机理,采用集中参数法建立计入裂纹损伤效应的行星齿轮箱传动-结构耦合非线性动力学模型.首先,基于势能法建立含齿根裂纹损伤的齿轮副啮合刚度与传动误差计算模型,通过刚度激励函数与位移激励函数将裂纹损伤的效应纳入行星传动系统的非线性动力学模型,进而求解行星传动系统的振动响应,结果表明内、外传动支路之间的传动误差差异导致各支路载荷分配不均.其次,采用ANSYSWorkbench建立箱体结构的有限元模型.将行星传动系统中太阳轮、行星架以及内齿圈的支承反力施加于箱体结构的相应轴承座处,并通过窗函数计入行星架旋转对信号的调制效应以获取行星齿轮箱的振动信号;通过对箱体振动信号的频谱分析,提取了行星齿轮箱齿根早期裂纹损伤的故障特征.最后,搭建动力传动故障模拟实验台,对存在齿根早期裂纹损伤的行星齿轮箱进行了振动测试.仿真信号与实测信号基本一致,表明所建行星齿轮箱传动-结构耦合动力学模型能准确揭示行星齿轮箱齿根早期裂纹损伤的故障机理.行星齿轮箱中齿根早期裂纹损伤的故障特征表现为以啮合频率为中心、故障特征频率的分数倍频及行星架转频为间隔的调制边带.(本文来源于《天津大学学报(自然科学与工程技术版)》期刊2019年11期）
早期故障论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对滚动轴承早期微弱故障检测及故障状态监测问题,提出了一种基于变模态分解(VMD)分解和支持向量数据描述(SVDD)的滚动轴承性能退化评估模型。对振动信号进行VMD分解,选取对性能退化较为敏感的本征模态分量,提取其奇异值,并结合信号的时域特征指标,复杂度指标组成特征向量矩阵作为滚动轴承综合特征指标;并以正常状态下的综合特征指标作为训练样本完成SVDD评估模型的构建,利用滚动轴承全寿命试验数据进行评估模型的验证。实验结果表明,该评估模型可以准确检测到滚动轴承早期微弱故障阶段的发生,同时可以很好的揭示滚动轴承性能退化规律,其评估效果优于模糊C均值聚类(FCM)方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
早期故障论文参考文献
[1].赵玮.基于VMD和奇异差分谱的滚动轴承早期故障诊断[J].机械设计与制造.2019
[2].王斐,房立清,赵玉龙,齐子元.基于VMD和SVDD的滚动轴承早期微弱故障检测和性能退化评估研究[J].振动与冲击.2019
[3].任学平,黄慧杰,李攀.基于ELMD和1.5维谱的滚动轴承早期故障诊断方法[J].机械设计与制造.2019
[4].李勃旭,南西康,郑向东,高文科.基于EMD-ARIMA模型的地铁门传动系统早期故障预测[J].计算机系统应用.2019
[5].吴立泉,刘永强,梁兆文.一种感应电机转子断条早期故障诊断方法[J].电机与控制应用.2019
[6].王建国,崔玥,张文兴.VMD和奇异差分谱在齿轮早期故障诊断中的应用[J].机械设计与制造.2019
[7].李成升,于洋.基于行波特征量与堆迭自动编码器的电缆早期故障定位方法[J].四川电力技术.2019
[8].梁海英,许昕,潘宏侠,赵雄鹏.基于MRSVD和信息融合的供输弹系统早期故障预示[J].噪声与振动控制.2019
[9].袁洪芳,穆坤,马若桐,王华庆.基于MOMEDA与双谱分析的滚动轴承早期故障诊断[J].测控技术.2019
[10].张俊,李习科,汪建,姚立纲,刘先增.含齿根早期裂纹损伤的行星齿轮箱故障机理研究[J].天津大学学报(自然科学与工程技术版).2019
论文知识图
