大型機(jī)械加工設(shè)備軸承故障診斷方法研究.pdf

1、軸承作為大型機(jī)械加工設(shè)備運(yùn)轉(zhuǎn)的關(guān)鍵部件，一旦出現(xiàn)故障將有可能導(dǎo)致整個(gè)加工制造系統(tǒng)的癱瘓，影響企業(yè)的生產(chǎn)。本論文以大型機(jī)械加工設(shè)備作為研究對(duì)象，對(duì)其軸承故障進(jìn)行診斷研究，研究?jī)?nèi)容如下：
　?。?）分析大型機(jī)械加工設(shè)備的運(yùn)行特點(diǎn)，以及測(cè)量軸承振動(dòng)信號(hào)的方法。在研究局域均值分解(Local Mean Decomposition, LMD)方法的原理基礎(chǔ)上，提出基于周期性的極值點(diǎn)延拓方法，在一定程度上解決了算法本身帶來(lái)的端點(diǎn)效應(yīng)問題，應(yīng)用

2、相關(guān)分析方法解決虛假分量問題，并通過仿真實(shí)驗(yàn)對(duì)問題解決方法進(jìn)行了驗(yàn)證。應(yīng)用數(shù)學(xué)形態(tài)學(xué)對(duì)測(cè)量信號(hào)進(jìn)行降噪，并提出一種自適應(yīng)的三角形結(jié)構(gòu)元素。提出“LMD-形態(tài)降噪-LMD”的雙LMD信號(hào)處理方法，實(shí)現(xiàn)了信號(hào)的降噪和分解，在分析軸承結(jié)構(gòu)的基礎(chǔ)上選取了主要的PF分量，并提取其能量特征。
　?。?）研究最小二乘支持向量機(jī)（Least Square Support Vector Machine, LSSVM）方法的基礎(chǔ)理論，基于提取的特征向

3、量的特點(diǎn)提出一種新的核函數(shù)；對(duì)LSSVM的核參數(shù)和可調(diào)參數(shù)對(duì)分類的影響進(jìn)行了研究，選擇粒子群（Particle Swarm Optimization Algorithm, PSO）方法對(duì)LSSVM的核參數(shù)和可調(diào)參數(shù)進(jìn)行優(yōu)化；在研究PSO基礎(chǔ)理論的基礎(chǔ)上，應(yīng)用混沌方法豐富PSO的種群，并應(yīng)用動(dòng)態(tài)的參數(shù)控制平衡了PSO的局部和全局搜索能力；在上述研究的基礎(chǔ)上，提出了改進(jìn)的PSO-LSSVM方法，實(shí)現(xiàn)了對(duì)軸承故障特征向量的模式識(shí)別。