基于時頻圖像特征提取的旋轉(zhuǎn)機械故障診斷研究.pdf

1、從工業(yè)革命以來200多年，人類社會的歷史因為機器的產(chǎn)生發(fā)生了翻天覆地的變化，機器也越來越向著高精度、高效率、高智能化發(fā)展，機械設(shè)備的運行狀態(tài)和故障反饋顯得尤為重要。它是關(guān)系到人們?nèi)松戆踩?、公司生產(chǎn)效率和社會發(fā)展進程的重要問題。旋轉(zhuǎn)機械是大部分現(xiàn)有機械的運轉(zhuǎn)形式，其中的旋轉(zhuǎn)部件是帶動整個機器運行的核心，其中軸承和齒輪是兩個常用的旋轉(zhuǎn)部件，它們的狀態(tài)影響著整個系統(tǒng)的穩(wěn)定性和持續(xù)性?；谡駝有盘柕男D(zhuǎn)機械分析是目前為止最有效的狀態(tài)分析方法。本

2、文基于旋轉(zhuǎn)機械的振動信號，以齒輪和軸承為研究對象，利用圖像處理的方法，對其進行特征提取和故障判斷，主要內(nèi)容如下:
　　(1)基于傳統(tǒng)信號分析方法，研究了不同的時頻處理方法，重點對運行狀態(tài)復(fù)雜的非穩(wěn)態(tài)信號進行分析，指出非穩(wěn)態(tài)信號下傳統(tǒng)時頻分析的不足之處，重點研究小波時頻分析及小波時頻圖的得到，并對時頻圖進行灰度轉(zhuǎn)換與歸一化處理，根據(jù)灰度時頻圖像的特點尋找合適的特征提取方法。
　　(2)通過對圖像紋理特征提取的分析，選擇能夠?qū)r

3、頻故障有效分析的紋理統(tǒng)計特征方法:灰度共生矩陣。為時頻圖像選擇合適的灰度共生矩陣生成方法，提取其特征參數(shù)，并分析其存在的不足之處，基于灰度共生矩陣特征參數(shù)，提出改進的特征參數(shù)，并在齒輪試驗數(shù)據(jù)上進行驗證。改進的算法得到了較好的效果。
　　(3)基于軸承試驗，得到不同的故障狀態(tài)和故障類型的軸承數(shù)據(jù)，研究了數(shù)學(xué)形態(tài)學(xué)的圖像處理方法，把形態(tài)譜運算引入時頻圖的分析中，對數(shù)據(jù)進行處理并比較其分離形式，對不同類型的數(shù)據(jù)進行分析，發(fā)現(xiàn)基于時頻圖