NIAOT OpenIR  > 中国科学院南京天文光学技术研究所  > 学位论文
基于小波包与特征融合的望远镜传动系统故障诊断
黄康
Subtype硕士
Thesis Advisor杜福嘉
2021-06
Degree Grantor中国科学院大学
Place of Conferral北京
Degree Discipline仪器仪表工程
Keyword传动系统 滚动轴承 小波包分解 特征融合 故障诊断
Abstract

传动系统作为天文望远镜的重要组成部分,主要由电机、减速机、负载和反馈系统等组成,在天文望远镜的运行中发挥重要作用,其可靠性直接影响天文望远镜观测质量和使用寿命。而滚动轴承作为传动系统的主要组成部分,由于其工作环境、承受载荷等复杂性,是传动系统最容易出现故障的零部件之一,因此针对轴承故障状态进行检测和诊断,对于保持望远镜传动系统工作可靠性具有重要意义。 

本文以传动系统中的滚动轴承为研究对象,在进行滚动轴承多种类型裂纹故障诊断时,为解决单一特征量诊断正确率低的问题,提出了基于信号小波包分解的精细时频分析和特征融合的方法进行故障诊断。主要研究内容有: 

1、基于 QPZZ-II 轴承故障模拟试验平台进行滚动轴承故障实验,利用Lab VIEW 和 MATLAB 开发了信号采集软件平台,结合设计的信号采集硬件系统,取得滚动轴承多种裂纹故障状态下的轴承信号;利用小波包全频段、精细化分解的特点,对信号小波包分解后的系数模糊熵和频带能量特征进行了提取。小波包系数模糊熵消除了一般熵处理信号时尺度单一的缺点,更好地度量了高低频信号的复杂度,而频带能量反映了轴承不同故障信号特征的分布状态。
 
2、为了解决单一特征所含故障信息少、影响故障诊断正确率的问题,本文利用不同特征对故障的敏感度不同,根据特征标准差的大小对小波包系数模糊熵和频带能量设置了不同的权重,实现了特征融合。融合特征具有损失精度少的优点,不仅充分利用了小波包精细化时频分解的特点,同时反映了更为全面的轴承故障状态信息。
 
3、利用多分类支持向量机实现对多种轴承裂纹损伤状态进行了故障诊断,诊断结果表明,基于融合特征的方法相较于单一特征量识别准确率提高了5.0%以上,对10种轴承裂纹故障诊断正确率达到了98.0%,证明了基于小波包分解的融合特征故障诊断方法明显提高了诊断正确率,是一种有效可行的轴承故障状态诊断方法,对于保证传动系统运行可靠性具有重要作用。

Language中文
Document Type学位论文
Identifierhttp://ir.niaot.ac.cn/handle/114a32/1886
Collection中国科学院南京天文光学技术研究所_学位论文
南极天文技术中心_学位论文
Recommended Citation
GB/T 7714
黄康. 基于小波包与特征融合的望远镜传动系统故障诊断[D]. 北京. 中国科学院大学,2021.
Files in This Item:
There are no files associated with this item.
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[黄康]'s Articles
Baidu academic
Similar articles in Baidu academic
[黄康]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[黄康]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.