基于小波分析和隐马尔科夫模型的风机轴承的故障诊断研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 课题研究背景及研究意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 风机监测与故障诊断研究现状 | 第14-16页 |
| 1.2.2 风机轴承的诊断技术现状 | 第16-17页 |
| 1.2.3 小波分析技术现状 | 第17-18页 |
| 1.2.4 HMM理论研究现状 | 第18页 |
| 1.3 课题研究的主要内容 | 第18-23页 |
| 1.3.1 风机的主要参数 | 第18-19页 |
| 1.3.2 轴承的主要参数 | 第19-20页 |
| 1.3.3 论文组织结构 | 第20-23页 |
| 第二章 风机轴承的故障机理和特征提取方法研究 | 第23-41页 |
| 2.1 引言 | 第23页 |
| 2.2 风机的常见故障类型及分类 | 第23-28页 |
| 2.2.1 转子不平衡 | 第23-24页 |
| 2.2.2 转子不对中 | 第24-26页 |
| 2.2.3 喘振 | 第26页 |
| 2.2.4 转子弯曲故障 | 第26-27页 |
| 2.2.5 油膜涡动和油膜振动 | 第27页 |
| 2.2.6 摩擦 | 第27-28页 |
| 2.2.7 转轴裂纹 | 第28页 |
| 2.3 滚动轴承的故障类型 | 第28-29页 |
| 2.3.1 疲劳剥落 | 第28页 |
| 2.3.2 胶合 | 第28页 |
| 2.3.3 磨损 | 第28页 |
| 2.3.4 腐蚀 | 第28页 |
| 2.3.5 断裂 | 第28-29页 |
| 2.4 滚动轴承特征提取 | 第29-36页 |
| 2.4.1 滚动轴承的监测指标 | 第29-30页 |
| 2.4.2 滚动轴承特征频率提取 | 第30-33页 |
| 2.4.3 基于小波分析的滚动轴承特征频率提取 | 第33-34页 |
| 2.4.4 小波分析特征提取实验验证 | 第34-36页 |
| 2.5 特征约减 | 第36-39页 |
| 2.5.1 主成分分析 | 第36-38页 |
| 2.5.2 特征约减实验数据分析 | 第38-39页 |
| 2.6 本章小结 | 第39-41页 |
| 第三章 隐马尔科夫模型基础理论和算法 | 第41-57页 |
| 3.1 引言 | 第41-42页 |
| 3.2 马尔可夫模型简介 | 第42-43页 |
| 3.3 HMM基础理论 | 第43-49页 |
| 3.3.1 HMM基本概念 | 第44-46页 |
| 3.3.2 HMM基本算法 | 第46-49页 |
| 3.4 HMM相关模型 | 第49-51页 |
| 3.4.1 隐半马尔科夫模型 | 第49页 |
| 3.4.2 高斯混合隐马尔科夫模型简介 | 第49-51页 |
| 3.5 HMM模型算法的改进 | 第51-53页 |
| 3.5.1 HMM初始模型选取 | 第51-52页 |
| 3.5.2 算法下溢问题改进 | 第52-53页 |
| 3.6 HMM在轴承故障诊断中的应用 | 第53-55页 |
| 3.7 本章小结 | 第55-57页 |
| 第四章 风机轴承故障实验 | 第57-73页 |
| 4.1 引言 | 第57页 |
| 4.2 实验设计方案 | 第57页 |
| 4.3 硬件选型 | 第57-61页 |
| 4.3.1 测点选择 | 第58页 |
| 4.3.2 传感器选型 | 第58-61页 |
| 4.3.3 采集卡选型 | 第61页 |
| 4.4 数据采集软件 | 第61-65页 |
| 4.4.1 软件需求分析 | 第61-65页 |
| 4.4.2 数据采集 | 第65页 |
| 4.5 滚动轴承故障实验验证 | 第65-71页 |
| 4.5.1 小波分析和特征提取 | 第66页 |
| 4.5.2 结果分析 | 第66-71页 |
| 4.6 本章小结 | 第71-73页 |
| 第五章 基于HMM的风机轴承故障诊断 | 第73-81页 |
| 5.1 引言 | 第73页 |
| 5.2 基于HMM的故障诊断 | 第73-80页 |
| 5.2.1 HMM模型训练 | 第73-78页 |
| 5.2.2 HMM故障诊断 | 第78-80页 |
| 5.3 本章小结 | 第80-81页 |
| 第六章 展望与总结 | 第81-83页 |
| 致谢 | 第83-85页 |
| 参考文献 | 第85-91页 |
| 附录 发表论文和科研情况 | 第91页 |
