機(jī)械類畢業(yè)論文外文文獻(xiàn)資料翻譯-其他專業(yè)-全文預(yù)覽
【正文】 ransient signals。用所提出的方法，可以從振動(dòng)信號(hào)中 確定 單一的瞬 變 和 瞬變周期 這兩個(gè)參數(shù)，可以基于 這兩個(gè) 參數(shù)，特別是 基于周期 檢測(cè)到 局部 的故障。此外，可以繪制 出 軸承故障檢測(cè)， 除了 變速箱故障檢測(cè) 適合雙側(cè)小波模型，單側(cè)小波模型比雙側(cè)小波模型更適合用這個(gè)方法 。 這些故障可能會(huì)導(dǎo)致機(jī)器 癱瘓 ，造成重大經(jīng)濟(jì)損失甚至災(zāi)難性的人身傷亡。 因此，對(duì)于 機(jī)故障診斷程序通過分析在振動(dòng)信號(hào) 中的瞬變描述機(jī)器正常的特點(diǎn)是非常有用的。但是，它仍然有一些缺點(diǎn)。 一些研究將 ICA應(yīng)用于提取振動(dòng)信號(hào)的特征和檢測(cè)瞬變。毫無疑問WVD 在時(shí)間 頻率坐標(biāo)系中很好的融合了。小波變換，這實(shí)際上是一種時(shí)間– 頻率分析方法，在時(shí)間和頻率領(lǐng)域提供信號(hào)信息的同時(shí)，在將要被分析的信號(hào)和不同尺度參數(shù)下的基本小波之間進(jìn)行一系列的卷積運(yùn)算。 連續(xù)小波變換可以提供一個(gè)更精細(xì)的分辨率比正交小波變換。 拉普拉斯小波相關(guān)濾波 （ LWCF）檢測(cè)單個(gè)瞬變是有效的，這在本質(zhì)上只使用于作為小波瞬態(tài)模型的拉普拉斯小波和通過相關(guān)濾波確定的參數(shù)。然后識(shí)別的瞬態(tài)模型及參數(shù)用于構(gòu)造具有相同時(shí)間間隔和周期的階段性復(fù)雜瞬變模型。本文的其余部分按下面的順序組織。最后，第 5部分得出的結(jié)論。第 3部分通過仿真研究和分析，驗(yàn)證了所提出的方法。所提出的方法，并不限于識(shí)別單一瞬變但延長周期復(fù)雜小波和復(fù)雜瞬變。 本文中，考慮到周期性復(fù)雜瞬變，我們提出了一種新的技術(shù)，作為 LWCF 的擴(kuò)展但不限于拉普拉斯小波，納入瞬態(tài)的旋轉(zhuǎn)機(jī)械故障診斷的建模和參數(shù)辨識(shí)。追蹤匹配，選擇一個(gè)很好應(yīng)用于信號(hào) 的近似部分的迭代波形進(jìn)行貪婪算法在分析瞬變信號(hào)中是有效的；但是，計(jì)算成本過高限制了其工程應(yīng)用。當(dāng)檢測(cè)到信號(hào)瞬變時(shí)，通常采用正交小波變換和連續(xù)小波變換。 即使一些改進(jìn)的方法已提出，如 Choi– Willams 分布，錐形分布等，然而無一例外，伴隨著一 個(gè)缺點(diǎn)的消除總會(huì)有其他優(yōu)點(diǎn)消失。 TFR是最常用的方法，通過它可以在時(shí)間頻率二維平面中表示瞬態(tài)特征。 ICA 被認(rèn)為是盲源分離最有效的工具，同時(shí)還被引入和應(yīng)用于振動(dòng)分析。 EMD，黃提出對(duì)于非線性和非平穩(wěn)作為一種自適應(yīng)分解技術(shù)，最近已擬定并廣泛應(yīng)用于旋轉(zhuǎn)機(jī)械故障診斷，如齒輪故障診斷，滾動(dòng)軸承故障診斷和轉(zhuǎn)子故障診斷。瞬變或 瞬態(tài) 信號(hào)，特點(diǎn)是 在很短的時(shí)間和 很 寬的頻率范圍 上 包含 關(guān)于 系統(tǒng)動(dòng)力學(xué)研究 的 重要信息。 旋轉(zhuǎn)機(jī)械涵蓋范圍廣泛的機(jī)械設(shè)備，并在許多工業(yè)應(yīng)用中，如飛機(jī)發(fā)動(dòng)機(jī)、 傳動(dòng)系統(tǒng)、 電廠等具有重要作用。然后該方法分別應(yīng) 用于 帶有局部故障的 不同類型 軸承 的軸承外圈、 內(nèi)圈和滾動(dòng)體的振動(dòng)信號(hào)，而所有結(jié)果都顯示 描述局部 故障特點(diǎn) 的 瞬變 周期被 成功檢測(cè)到。瞬態(tài)特征分析 對(duì)于局部故障檢測(cè) 一直是問題的關(guān)鍵， 瞬 態(tài)特征分析的關(guān)鍵目標(biāo)是確定 瞬變 模型及 瞬變 參數(shù) （頻率、 阻尼比和時(shí)間索引） 以及瞬變之間的時(shí)間間隔。 however, the excessive putational cost limits its engineering applications. Correlation filtering, enlightened from matching pursuit, was introduced based on Laplace wavelet and applied to identify the parameters of transient by calculating the maximal correlation value, including the modal parameters identification of a flutter for aerodynamic and structural testing , the natural frequency identification of a hydro generator shaft and the wear fault diagnosis of the intake valve of an internal bustion engine , detection the position and the depth for rotor crack .Correlation filtering, enlightened from matching pursuit, was introduced based on Laplace wavelet and applied to identify the parameters of transient by calculating the maximal correlation value, including the modal parameters identification of a flutter for aerodynamic and structural testing , the natural frequency identification of a hydro generator shaft and the wear fault 4 diagnosis of the intake valve of an internal bustion engine , detection the position and the depth for rotor crack .
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1