NIAOT OpenIR  > 学位论文
基于模态筛选的望远镜传动系统故障诊断研究
郭跃楠
学位类型硕士
导师杜福嘉
2021-06
学位授予单位中国科学院大学
学位授予地点北京
学位专业精密仪器及机械
关键词望远镜 故障诊断 滚动轴承 多尺度排列熵
摘要

随着望远镜的口径越来越大,探测能力和分辨率的逐渐提高,望远镜运行过程中系统的微弱振动,都会对成像系统造成巨大影响。由于望远镜长时间工作在复杂的气候环境,会引起传动系统的故障,导致机械结构的振动,降低望远镜的成像质量和观测能力。在传动系统中,滚动轴承是关键的部件,也是最容易产生故障的部件。因此,望远镜传动系统中的滚动轴承故障状态监测与诊断研究,对于提升望远镜的工作性能至关重要。本研究以滚动轴承作为研究对象,为解决微弱故障信号在强干扰和噪声条件下,特征难以准确提取的问题,提出一种基于模态筛选的滚动轴承故障诊断方法。全文主要的研究内容和成果如下:

(1)针对经验模态分解(Empirical Mode Decomposition,EMD)过程中的模态混叠问题,提出了频谱面积的衡量指标,利用变分模态分解(Variation Mode 
Decomposition, VMD)算法克服了模态混叠,准确提取了故障信号的时频信息。

(2)针对微弱的故障信号经过分解后,故障冲击信息主要分布在部分固有模态函数(Intrinsic Mode Function, IMF)中,而其他IMF则主要是干扰和噪声的问题,提出了基于故障因子的模态筛选方法。所提故障因子以排列熵作为评价因子,不仅考虑故障信号自身的突变,还以正常状态信号为参考,排除了噪声和干扰信息对检测的影响。最终提取了敏感模态,增加了信号的信噪比。
(3)针对单一排列熵特征难以满足故障诊断正确率的问题,提出了延搁均值和移动均值的数据处理方法,结合排列熵理论构成多尺度排列熵算法,利用多尺度排列熵提取了熵值特征,实现了最终的故障分类与诊断。
 
仿真和实验结果表明,基于模态筛选的滚动轴承故障诊断方法,仿真信号信噪比至少提高了 62.2%,均方根误差降低了21.5%以上。故障诊断正确率提高24.3%,说明了该方法的有效性。

学科领域天文技术与方法
语种中文
文献类型学位论文
条目标识符http://ir.niaot.ac.cn/handle/114a32/1885
专题学位论文
推荐引用方式
GB/T 7714
郭跃楠. 基于模态筛选的望远镜传动系统故障诊断研究[D]. 北京. 中国科学院大学,2021.
条目包含的文件
条目无相关文件。
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[郭跃楠]的文章
百度学术
百度学术中相似的文章
[郭跃楠]的文章
必应学术
必应学术中相似的文章
[郭跃楠]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。