改进的动力学模式分解理论及其在轴承故障诊断中的应用研究

发布时间：2025-07-21 20:33

　　滚动轴承是装备制造业中关键基础零部件,其在服役过程中的工作状态直接决定着主机产品的性能、质量和可靠性。滚动轴承运行中所采集的信号具有非线性、非平稳以及与外部环境强背景、强噪声成分动态耦合的特点,这些包含原始系统丰富动力学信息以及机器健康状况特征信息的复杂响应信号是滚动轴承健康状态判断和故障类型识别的依据,又因其复杂性带来严峻挑战。近年来,各种模式分解方法成为轴承故障诊断的研究热点,模式分解算法能够适应复杂信号的各种形态,有效地分离出旋转机械信号中的各种模式。动力学模式分解理论作为一种基于数据驱动的模式分解技术,能够精确提取复杂动态系统的时空特征,近年来被广泛应用于流体领域中时间序列状态评估、特征提取、趋势预测以及系统控制等方面。本文研究如何利用并改进动力学模式分解理论,有效提取滚动轴承振动信号的故障特征,对设备进行故障诊断及状态识别,为复杂机械故障信号分析引入一种新的诊断理论体系。论文所做的主要工作如下:(1)对动力学模式分解理论进行了研究,提出了适用于一维机械振动信号的动力学分解方法,通过线性信号和非线性信号验证了动力学模式分解理论提取系统动力学特征的能力。在与机械故障诊断中已有的模式...

【文章页数】：126 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题的提出与研究意义
    1.2 模式分解理论研究现状
        1.2.1 经验模式分解
        1.2.2 局部均值分解
        1.2.3 变模式分解
        1.2.4 动力学模式分解
    1.3 论文研究内容与结构安排
        1.3.1 论文研究内容
        1.3.2 论文结构安排
第2章 动力学模式分解方法
    2.1 基础理论
        2.1.1 分解算法
        2.1.2 分解案例
    2.2 与其它模式分解方法的对比研究
    2.3 与其它降阶方法的对比研究
    2.4 机械故障诊断中面临的关键问题
        2.4.1 噪声敏感性
        2.4.2 模式选取
        2.4.3 多通道信号分解
    2.5 本章小结
第3章 改进算子的自适应动力学模式分解方法
    3.1 Koopman算子的改进研究
        3.1.1 算子改进方法
        3.1.2 案例分析
    3.2 自适应分解方法的研究
        3.2.1 自适应分解方法
        3.2.2 案例分析
    3.3 基于全局算子自适应动力学模式分解算法的轴承故障特征提取
    3.4 本章小结
第4章 多分辨率多尺度动力学模式分解方法
    4.1 多尺度排列熵阈值的模式分解方法
        4.1.1 多尺度排列熵
        4.1.2 关键参数的识别
        4.1.3 轴承故障特征提取
    4.2 多分辨率的模式分解方法
        4.2.1 小波变换方法
        4.2.2 多分辨率分解理论
        4.2.3 轴承故障特征提取
    4.3 多分辨率多尺度动力学模式分解算法及轴承故障特征提取
    4.4 本章小结
第5章 多元自适应动力学模式分解方法
    5.1 高阶奇异值分解
    5.2 方法介绍
    5.3 滚动轴承故障特征提取
    5.4 本章小结
第6章 基于改进动力学模式分解理论的故障模式识别
    6.1 方法介绍
    6.2 实验研究
        6.2.1 公共数据集及其故障识别方法介绍
        6.2.2 西储大学人工轴承故障信号的模式识别
        6.2.3 辛辛那提试验台早期故障信号的模式识别
    6.3 模式识别对比研究
        6.3.1 识别结果对比
        6.3.2 识别效率对比
    6.4 本章小结
第7章 总结与展望
    7.1 总结
    7.2 创新点
    7.3 展望
致谢
参考文献
附录 1 攻读博士学位期间发表的部分论文
附录 2 攻读博士学位期间参加的部分科研项目



本文编号：4058342