导读:本文包含了轴承故障特征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:特征,轴承,故障,故障诊断,分解,经验,小波。
轴承故障特征论文文献综述
王凯,剡昌锋,王风涛,常斌全,吴黎晓[1]（2020）在《深沟球轴承复合故障动力学特征》一文中研究指出为提高状态监测水平,诊断和识别轴承的早期故障,降低因轴承故障导致的损失,针对径向载荷作用下复合故障激励的滚动轴承振动机理的复杂性问题,基于Hertz接触理论,考虑复合故障、轴和轴承座与轴承之间的耦合激励、时变位移激励和滚动体滑动等因素,提出了4自由度复合故障深沟球轴承动力学模型.模型描述了滚动体在滚道表面上的接触和运动,探究了轴承表面复合故障激励机理,分析了3种工况条件下滚动轴承复合故障对系统动力学振动响应的影响,为轴承状态监测和诊断提供了理论依据.实验和模拟研究结果表明,复合故障的振动响应是由内、外圈单故障的振动响应耦合作用的结果,在频谱图中可以明显地分辨出内、外圈故障特征频率及倍频成分,与单故障相比较,其对应的幅值增大.缺陷尺寸增大、转速增高和载荷增强均会使复合故障轴承的振动幅值增大,影响其运行状态,进而加速轴承的失效,降低轴承的使用寿命.(本文来源于《哈尔滨工业大学学报》期刊2020年01期）
艾延廷,方妍,田晶[2]（2019）在《峭度准则EMD与空域相关结合的滚动轴承故障特征提取》一文中研究指出针对滚动轴承故障信号非线性、非平稳的特点,提出一种经验模态分解(Empirical Mode Decomposition,EMD)与空域相关相结合的信号特征提取方法。首先,利用EMD方法将振动信号分解成若干个固有模态分量(Intrinsic Mode Function,IMF);然后采用峭度准则选取能够反应故障特征的IMF分量进行重构,再对重构信号运用空域相关法进行降噪;最后将处理后的振动信号进行Hilbert包络谱分析,提取出轴承的故障特征。采用所建立的方法分析轴承外圈故障的实验数据。结果表明,峭度准则EMD与空域相关相结合的方法能够对振动信号进行降噪处理并有效地提取出轴承外圈故障特征频率。(本文来源于《机械设计与制造》期刊2019年12期）
周浩轩,刘义民,刘韬[3]（2019）在《基于衰减余弦字典和稀疏特征符号搜索算法的轴承微弱故障特征提取》一文中研究指出通过分析轴承内外圈故障时域波形特征,结合其早期微弱故障特点,提出了一种与轴承故障波形高度匹配的衰减余弦过完备字典,同时与稀疏表示基追踪方法的特征符号搜索算法相结合的新型算法(ACFS),实现了强噪声干扰下轴承微弱故障特征的提取。通过分析原始信号频谱与理论故障特征,确定了张成原子库的参数,并结合特征符号搜索算法对不同信噪比轴承内圈仿真信号和轴承全寿命数据中的早期微弱故障信号进行了分析。对比普通包络解调方法与基于Symlet8小波包字典的普通BPDN结果表明,该方法可以在极早期实际轴承故障信号中高效、准确地提取出故障特征频率。对于噪声具有极好的冗余度与鲁棒性。(本文来源于《振动与冲击》期刊2019年21期）
夏均忠,郑建波,白云川,吕麒鹏,杨刚刚[4]（2019）在《基于OOMP与A-T谱的滚动轴承故障特征提取》一文中研究指出为解决变转速下正交匹配追踪(OMP)过度匹配和非正交投影的问题,提出优化正交匹配追踪(OOMP)。根据轴承故障振动信号的特性,构建组合时频原子字典与OMP匹配;将鲸鱼优化算法引入到OMP中选择与残差信号匹配的最优原子,实现信号重构和故障特征增强。为避免阶次追踪的缺陷,引入角度-时间(A-T)谱提取故障特征。试验验证,OOMP可有效增强轴承故障特征,A-T谱用于变转速下轴承故障特征提取效果良好。(本文来源于《振动与冲击》期刊2019年21期）
郭伟超,赵怀山,李成,李言,汤奥斐[5]（2019）在《基于小波包能量谱与主成分分析的轴承故障特征增强诊断方法》一文中研究指出滚动轴承出现损伤时,采集的振动信号呈非平稳性,采用一般的时域和频域分析方法不能准确提取出振动信号的故障特征。根据小波包多分辨、精细化的分解特性,提出一种基于小波包能量谱与主成分分析(PCA)方法的滚动轴承故障诊断算法。将振动信号进行小波包分解,得到重点频率段信息的能量谱,提取能量谱作为特征向量;利用PCA方法对特征向量降维并减小噪声信号的干扰,获得增强的故障特征;利用层次聚类方法和改进的模糊c均值聚类算法对不同类型的滚动轴承故障进行识别,两种聚类方法都准确地识别出了不同的故障类型。实例验证结果表明,所提方法能够有效地提取振动信号中的有用故障特征,实现轴承故障类型的精确诊断。(本文来源于《兵工学报》期刊2019年11期）
刘自然,胡毅伟,石璞,李谦,尚坤[6]（2019）在《基于改进经验小波变换的滚动轴承故障特征提取方法研究》一文中研究指出针对振动信号的非线性、非平稳性和早期故障特征信号难以提取的特点,提出一种基于改进经验小波变换的故障特征提取方法。通过包络分析和对包络曲线进行阈值分割修整的方法来确定经验小波变换分解的模态数和频率边界,解决传统经验小波变换需要预先设置分解模态数和难以对信号频谱进行适当分割问题,以实现对振动信号故障信息更准确的描述。实验表明,该频谱分割方法能够有效检测信号最佳模态分解数,使得信号的频谱分割更为容易、可靠。相比传统EWT和EMD,改进经验小波变换的滚动轴承内圈、外圈Hilbert变换时频图对振动信号的故障相关特征描述更为清晰,在滚动轴承故障特征提取方面表现更为优越。(本文来源于《中国测试》期刊2019年10期）
王涛,张兵[7]（2019）在《改进经验小波变换在滚动轴承故障特征提取中的应用》一文中研究指出针对高速列车齿轮箱滚动轴承故障特征提取困难的情况,提出了基于改进经验小波变换(Empirical Wavelet Transform,EWT)的轴承故障诊断方法。首先,对轴承振动信号进行EWT变换得到多阶固有模态分量,通过计算峭度值筛选出包含故障信息的固有模态分量,采用经验小波逆变换的方式对筛选分量进行重构,最后计算Hilbert包络解调谱对重构信号进行分析。研究表明,结合EWT,峭度系数和经验小波逆变换的方法可以准确的提取轴承的故障特征,为轴承监测和维修提供准确信息。(本文来源于《铁道机车车辆》期刊2019年05期）
史庆军,郭晓振,刘德胜[8]（2019）在《基于特征量融合和支持向量机的轴承故障诊断》一文中研究指出为了准确地检测轴承故障,提出了基于经验模态分解(EMD)和局部均值分解(LMD)轴承振动信号相结合构成特征量矩阵的方法。首先对轴承振动信号进行EMD分解得到前叁阶本征模态函数(IMF)分量的上下包络值矩阵的奇异值,通过LMD分解,得到各PF分量的能量熵和,然后将奇异值和能量熵融合成一个特征向量矩阵,最后用支持向量机多分类算法进行分类。经过实验仿真验证,滚动轴承滚珠、内圈和外圈故障识别的准确率为90%,与单一特征量作为支持向量机的诊断输入来比较,该方法能更加精准地识别出了轴承故障。(本文来源于《电子测量与仪器学报》期刊2019年10期）
赵慧敏,张志强[9]（2019）在《轴承故障诊断特征参数选取研究》一文中研究指出特征提取是轴承故障诊断的关键步骤,而特征参数的选取直接影响着特征提取的效果。本文从时域、频域、时频域多角度进行分析,提出了特征参数的选取准则,构建特征参数评价体系,为下一步的故障识别提供有力支撑。(本文来源于《内燃机与配件》期刊2019年19期）
苑宇,王衡,王鹏[10]（2019）在《基于二阶非对称随机共振的轴承故障特征提取》一文中研究指出在强噪声背景下,针对故障信号特征提取困难这一问题,提出了二阶非对称随机共振方法.该方法首先以输出信噪比作为人群搜索算法的目标函数,然后对二阶非对称随机共振模型的参数同时优化,最后将优化的参数代入随机共振模型实现微弱特征信号的增强与提取.仿真和工程数据表明,二阶非对称随机共振方法能有效提取微弱特征信号,实现轴承故障诊断.同时,与传统随机共振方法相比,二阶非对称随机共振的滤波性能更加优越.(本文来源于《大连交通大学学报》期刊2019年05期）
轴承故障特征论文开题报告
（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：
针对滚动轴承故障信号非线性、非平稳的特点,提出一种经验模态分解(Empirical Mode Decomposition,EMD)与空域相关相结合的信号特征提取方法。首先,利用EMD方法将振动信号分解成若干个固有模态分量(Intrinsic Mode Function,IMF);然后采用峭度准则选取能够反应故障特征的IMF分量进行重构,再对重构信号运用空域相关法进行降噪;最后将处理后的振动信号进行Hilbert包络谱分析,提取出轴承的故障特征。采用所建立的方法分析轴承外圈故障的实验数据。结果表明,峭度准则EMD与空域相关相结合的方法能够对振动信号进行降噪处理并有效地提取出轴承外圈故障特征频率。
（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。
轴承故障特征论文参考文献
[1].王凯,剡昌锋,王风涛,常斌全,吴黎晓.深沟球轴承复合故障动力学特征[J].哈尔滨工业大学学报.2020
[2].艾延廷,方妍,田晶.峭度准则EMD与空域相关结合的滚动轴承故障特征提取[J].机械设计与制造.2019
[3].周浩轩,刘义民,刘韬.基于衰减余弦字典和稀疏特征符号搜索算法的轴承微弱故障特征提取[J].振动与冲击.2019
[4].夏均忠,郑建波,白云川,吕麒鹏,杨刚刚.基于OOMP与A-T谱的滚动轴承故障特征提取[J].振动与冲击.2019
[5].郭伟超,赵怀山,李成,李言,汤奥斐.基于小波包能量谱与主成分分析的轴承故障特征增强诊断方法[J].兵工学报.2019
[6].刘自然,胡毅伟,石璞,李谦,尚坤.基于改进经验小波变换的滚动轴承故障特征提取方法研究[J].中国测试.2019
[7].王涛,张兵.改进经验小波变换在滚动轴承故障特征提取中的应用[J].铁道机车车辆.2019
[8].史庆军,郭晓振,刘德胜.基于特征量融合和支持向量机的轴承故障诊断[J].电子测量与仪器学报.2019
[9].赵慧敏,张志强.轴承故障诊断特征参数选取研究[J].内燃机与配件.2019
[10].苑宇,王衡,王鹏.基于二阶非对称随机共振的轴承故障特征提取[J].大连交通大学学报.2019
论文知识图
