文档介绍：摘要机械故障诊断的关键是如何从故障信号中提取故障特征,信号分析是故障特征提取最常用的方法。机械系统发生故障时,振动信号往往具有非线性非平稳特征。因此如何结合故障信号特点并选择合适的方法,对非线性非平稳故障信号进行分析以提取故障特征是机械故障诊断领域需要重点研究的课题。传统非线性非平稳信号分析方法如短时傅里叶变换、小波变换、希尔伯特黄变换等都各自存在一定的局限性,因此迫切需要新的理论与信号分析方法以提高机械故障诊断的效率与技术水平。数学形态学是近年来发展效果。本文以转子系统、齿轮和滚动轴承为研究对象,对基于数学形态学的机械故障诊断方法进行了深入的研究,主要工作和研究成果如下:樯芰俗W酉低场⒊萋趾凸龆岢姓馊殖<盗慵恼穸收匣恚⒍怨障信号特征进行了分析,为后续章节的分析奠定基础。攵源承翁瞬ń峁乖K匮∪∷婊奈侍猓紫忍岢鲆恢肿允视Χ喑叨雀春闲态滤波降噪方法,该方法能够根据信号局部特征和噪声特点自适应的选择结构元素类型和尺寸大小,然后采用该方法对转子振动信号进行滤波,并通过关联维数对转子故障进行分类,:奈侍猓紫忍岢鲆恢只诙嘟峁乖K囟喑叨的形态学谱图边缘检测方法,该方法采用四个不同方向的多尺度结构元素提取齿轮故障时频图边缘特征,并通过与传统边缘检测效果比较以验证其有效性。然后计算边缘特征的灰度共生矩阵以提取特征量,最后通过椒ǘ猿萋止收辖惺侗稹J道っ鳎该方法可有效的对故障进行分类。攵源程嵘翁〔ㄌ嵘阕庸潭ú槐涞木窒蓿紫忍岢隽艘恢肿允视μ嵘态小波降噪的方法,该方法能够根据信号局部特征自适应选择提升算子,然后采用该方法提取滚动轴承故障特征,并在定义故障特征能量特征向量的基础上,采用灰色关联度方法对故障进行分类。实例表明该方法能够准确区分发生在不同部位的故障,但却难以对不同严重程度的故障进行有效分类。攵源承翁〔ㄔ诜纸夤讨杏捎诔檠斐傻男藕胖鸩愕菁跷侍猓紫仍谛态非抽样小波框架的基础上提出一种基于差值形态滤波的形态非抽样小波构造方法,并起来的一种非线性信号分析方法,已经逐渐开始应用到机械故障诊断中并取得了较好的摘要
,以上两种方法不仅能够识别发生在不同部位的故障,还能够准确区分不同严重程度的故障。关键词:故障诊断;数学形态学;形态滤波;形态小波;形态非抽样小波;关联维数;换疑ü,提出了基于甋证据理论的形浙江大学博士学位论文
甌,.琱,—,甀,瑂,..
琲..;籱籐;浙江大学博士学位论文..甌琣瓸.:籱;;
致谢师开阔的视野、渊博的知识、严谨的治学态度和献身科研的精神使我受益匪浅,并将激励着我在未来的工作、生活中更加积极努力、锐意进取。在攻读博士学位期间,周老师为我提供了良好的科研条件和全面的学习、锻炼机会以及生活上无微不至的关怀。值此论文完成之际,衷心地向导师周晓军教授致以诚挚的谢意和崇高的敬意真诚地感谢程耀东教授诼畚牡难√夂妥垂讨校汤鲜γ恳徊蕉几枇讼ば的指导和鼓励。程老师深厚的理论功底和敏锐的治学思维给予了我很多启发,并为论文提出了许多非常宝贵的建议。同时,程老师强烈的责任感和对后辈的关心、教导使我深受感动,再次向尊敬的程老师致以诚挚的谢意特别感谢孙德芬老师在学习和生活中给予我的关心和帮助行恍熘九└苯淌凇⒀辰龙副教授、庞茂博士后、吴思源博士和杨富春博士后在学习、工作中给予我的指导和在检测实验室这个团结和谐的大家庭里,感谢各位师兄弟:宫燃、林勇、杨先勇、张文斌、黄平娟、张志刚、陈雷、谢明祥、张杨、杨家军、滕瑞静、陶顺兴、周巨涛、刘洪亮、王力求、马华栋、张余斌、李培新、唐防、涂春磊、李钊、王海栋、胡康等的真心支持和帮助,和他们一起度过的日子简单而难忘。感谢已毕业师兄胡宏伟博士、李雄兵博士、郑慧峰博士和卓耀彬硕士、李涛硕士、田磊硕士、朱灵安硕士、竺科仪硕士、何虹儒硕士、曾学花硕士、杜李峰硕士、,漫长求学道路上他们始终如一的坚定支持是我不断前行的力量。感谢舅舅、舅妈在我博士期间对我生活上无私的关怀与照顾,他们的鼓励与关心使我学会乐观和坚强,并鼓起勇气战胜困难。感谢室友邱宝贵博士在我求学生涯最艰难的时刻对我的支持,一起走过的这段岁月将成为我一生中宝贵的财富。最后谨向所有关心和帮助过我的老师、同学和亲友表示真诚的谢意年掠谇笫窃论文是在导师周晓军教授悉心指导下完成的。在四年的学习、科研和生活中,周老帮助沈路浙江大学博士学位论文
髀课题的背景及研究意义随着现代工业和科学技术的发展以及自动化程度的进一步提高,现代机械设备正朝着大型化、高速化、集中化、自动化的方向发展