一、QF-12D电机轴承故障分析及改进设计（论文文献综述）
徐平[1]（2021）在《虚实结合的笼型异步电机故障诊断实验教学系统研究》文中指出
张锐[2]（2021）在《南水北调泵站故障类型与诊断研究》文中指出南水北调东线泵站工程全部建成后,已进入全面调水运行管理阶段。运行阶段,确保泵站的稳定、安全运作是主管部门承担的主要责任,而泵站机组的安全、稳定运行是保证正常供水,发挥工程效益的关键。因为故障或事故停机而造成供水中断会带来较大的经济亏损,以及不可忽视的负面影响。因此,大型泵站的稳定性事关泵站抗旱、排涝、调水效果的发挥。调查收集南水北调泵站常见的故障,分析故障发生的位置以及原因。研究结果表明:（1）水泵机组的常见故障主要有:水泵导轴承及轴径磨损,水泵汽蚀,叶轮损坏,电机推力瓦烧毁,叶调机构失效,定、转子故障,电机绝缘等;辅机系统的主要故障有:管道、阀芯的锈蚀老化,异物堵塞,零部件的功能失效,油压装置压力不足,空压机散热不足,超负荷运行,结构稳定性不够;断流设施的主要故障有:电磁阀密封圈失效、电磁阀线圈烧毁,油缸内活塞密封失效,油液污染,阀组密封圈损坏,油缸内活塞杆的支撑结构磨损,门铰断裂,拍门掉落。（2）依据各系统发生的典型故障,进行故障树模型的建立,并对故障树模型进行定性定量分析,得出水泵主机组故障停机的概率是29.73%,电机绝缘问题是主机组故障的最主要因素;辅机系统故障概率是15.41%,清污机超负荷问题是导致辅机系统故障的最主要因素;断流设施故障概率是9.8%,密封失效问题是导致断流设施故障的最主要因素。（3）基于故障树理论,对宝应站以及蔺家坝站进行工程故障实例分析。通过对两个泵站故障的搜集,建立故障树,得出宝应站故障概率为16.14%,电磁阀密封问题是影响宝应站可靠性的最主要因素;蔺家坝站故障概率为12.93%,电机绝缘受潮问题是影响蔺家坝站可靠性的最主要因素。（4）针对泵站各系统故障,建立泵站故障分析系统,主要进行系统综合功能结构开发、结构设计和操作系统主界面的开发,阐述了集信息采集、绘图功能、定性、定量研究功能以及部分其余功能的研究系统。基于故障树模型和故障分析系统,可以准确清楚地了解到影响泵站可靠性的最主要因素,从而有针对性对关键部位进行检修和维护,建立合理的维护和保养制度,采取提前预防、及时处理的措施可大大提高大型泵站的安全可靠性。
柴娜[3]（2021）在《伺服电机系统传动链典型故障诊断技术研究》文中研究指明伺服电机系统传动链广泛应用于风力发电、数控机床、重型机械等领域,但实际场合中由其故障带来的设备不能正常运转的现象屡见不鲜。近年来,“智能制造工程”的推进对设备的可靠性及安全性提出了更高要求,可以说电机系统传动链健康监测及故障辨识能力已成为下一代高档伺服驱动器的显着标志之一。因此,故障诊断与健康维护技术也迎来了新的发展契机。基于电机驱动系统的诊断方法,利用电机驱动器自身作为智能传感器,通过驱动系统获得的电流、电机转速、辨识得到的机械参数等信号作为故障载体,实现对电机系统传动链运行状态的监测及诊断,是该领域最新的研究热点。该方法无需额外安装传感器,可以有效降低成本;同时,基于电机驱动系统的诊断方法属于无介入式的故障诊断方法,不会损害设备,更不会影响其可靠性及使用寿命。本论文针对电机系统传动链三大典型故障——传动齿轮、电机轴承、电机安装不对中进行系统性研究,旨在充分挖掘基于电机驱动系统的诊断方法潜力。从稳态下最优故障载体选取、故障特征提取优化、不依赖于健康数据的故障判断等关键技术入手,改善基于电机驱动系统诊断方法的性能;并将诊断算法扩展到位域下,实现暂态条件下的电机系统传动链故障诊断,进一步提升其工业应用价值。具体研究内容包括:针对基于电机电流特征分析法（Motor Current Signature Analysis,MCSA）的齿轮局部式故障诊断中故障特征提取这一难点,本论文提出了基于人工蜂群算法的双重参数优化共振稀疏分解（Resonance-Based Sparse Signal Decomposition,RSSD）方法。在建立电机、齿轮一体化机电系统模型的基础上,分析了齿轮局部式故障对电机相电流的影响。针对故障特征分量受电流基波、啮合频率等相关分量的复合调制存在于不同频带范围内这一问题,提出了相电流共振稀疏分解方法来提取故障特征。与此同时,为了避免人为选取RSSD参数的影响,提出了基于人工蜂群算法（Artificial Bee Colony,ABC）的双重参数优化方法,进一步改善MCSA齿轮局部式故障诊断的效果,扩大算法有效的适用范围。在实验室搭建典型的断齿故障诊断平台,验证了算法的有效性。为了提高较为微弱的电机本体轴承局部式故障的诊断效果,开展故障载体选取、故障特征提取、驱动算法预处理方案的研究。从故障载体的角度出发,建模分析MCSA及电机转速特征分析法（Motor Speed Signature Analysis,MSSA）轴承局部式故障诊断的机理。在此基础上,采用谱峭度方法提取轴承局部式故障带来的高频冲击分量,并在实验室搭建的轴承裂纹诊断平台上对二者进行综合对比。实验结果与理论分析一致,即MSSA性能优于MCSA,故选取MSSA进行后续研究。提出了基于集合经验模态分解算法（Ensemble Empirical Mode Decomposition,EEMD）的自适应信号重构方法,对传统谱峭度算法进行了改进,实现了转速降噪,进一步改善MSSA轴承局部式故障诊断的性能。最后,针对电流采样误差等其它故障带来的周期性转速脉动分量降低了MSSA信噪比这一问题,提出了结合驱动算法的预降噪方案,利用改进的驱动算法实现了对噪声分量的主动抑制。针对安装不对中故障往往发生在初始安装环节、无健康数据参照这一问题,提出了基于MSSA的电机初始安装不对中检测方法。首先建模分析平行不对中、角度不对中故障对电机转速信号的影响。在此基础上,采用模型系数辨识方法提取转速信号中由不对中故障带来的周期性脉动分量,避免了由非同步采样引起的FFT结果不准确问题。接着,分析安装不对中故障特征分量随电机转速变化的规律,将该变化规律与故障分量占比等指标相结合,实现了基于MSSA的不依赖于健康数据的初始安装不对中故障检测及类型判断。最后,通过仿真与实验,验证了初始安装不对中故障诊断技术的有效性。针对暂态过程中故障特征分量失去重复性导致常规诊断算法失效的问题,在位域下对三种典型故障的诊断算法进行了研究,并按算法复杂性展开。首先分析了暂态下常规方案失效的机理,并利用故障特征始终是角度周期性函数这一特点,研究位域重采样算法以恢复故障特征的周期性。在此基础上,针对暂态齿轮故障诊断,开展位域运动误差信号同步平均方案的研究;结合转速阶比谱分析,诊断安装不对中故障;并对谱峭度算法进行改进,提出阶谱峭度方法,实现了暂态下的轴承故障诊断。在各故障诊断平台上进行暂态过程实验测试,验证了所提方案的有效性,成功实现了暂态运行条件下的故障特征提取。
庞彬[4]（2020）在《基于奇异谱分解的旋转机械故障诊断研究》文中认为旋转机械是许多工业设备不可或缺的功能单元,其运行状态直接影响生产的质量、效率和安全。开展旋转机械故障诊断技术研究,对于提高设备运行的可靠性和安全性具有重要意义。信号分解技术因其在处理非线性、非平稳信号方面的优良特性,被公认为是旋转机械故障诊断的最有效手段。本文针对奇异谱分解（SSD）这一新的自适应信号分解方法,开展了理论研究及旋转机械故障诊断应用研究。在深入分析SSD的算法特点的基础上,对其理论方法进行丰富和完善,为旋转机械关键元件的故障特征提取及模式识别问题探索有效的解决方案。论文的主要研究内容和创新点如下:（1）对SSD进行了分解特性研究及转子故障特征提取应用研究。分解特性研究方面,分析了 SSD的抗模态混叠性能和双谐波分解能力。分析结果表明:SSD能够有效克服“异常事件”引起的模态混叠问题,其双谐波分解能力优于经验模态分解（EMD）方法。转子故障特征提取方面,研究了基于SSD-HT时频分析的谐波故障检测方法。研究结果表明:SSD能够有效分离转子振动信号的特征分量,SSD-HT时频谱可精确呈现各分解分量的瞬时非平稳特征,为转子故障类型判定提供充分依据。（2）SSD将每次迭代分解的残余信号同原始信号的能量比作为分解迭代停止条件,故障诊断过程中无法预知最佳能量比阈值来确定合理的分解尺度。针对此问题,提出了一种优化奇异谱分解（OSSD）方法。此方法引入互相关系数作为SSD的迭代停止条件的补充判据和分量筛选准则,有效克服了能量比阈值设置不当所造成的过分解和欠分解问题,并减少了虚假分量,提高了分析稳定性。（3）如何克服环境噪声和振动谐波的干扰,以及如何实现复合故障特征的分离是旋转机械冲击故障特征提取的难点问题。为解决此问题,论文提出了一种基于增强奇异谱分解（ESSD）的微弱冲击故障检测方法。该方法通过在SSD分析中融入微分和积分算子,提升了 SSD对在信号中不占主导地位的微弱冲击特征分量的检测能力,以及对复合故障冲击信号的解耦能力。（4）研究了 SSD在变转速工况旋转机械故障特征提取中的应用。采用SSD-HT时频分析方法提取变转速工况的转子故障特征,另一方面将SSD结合转速变换（ST）提取变转速工况的滚动轴承故障特征。研究表明:转速缓变条件下,SSD依然具有良好的谐波故障检测和微弱冲击故障检测功能。（5）针对基于单通道信号的振动分析方法在故障特征提取中容易遗漏关键故障特征信息的问题,提出了复数奇异谱分解（CSSD）方法,实现了 SSD在复数域的拓展,构建出一种基于CSSD的同源信息融合故障诊断方案。实验分析表明:该诊断方案能够综合考虑双通道正交采样信号的故障特征差异,获取更全面的故障判定依据,提高了故障诊断效率。（6）针对旋转机械故障类型判定和故障程度评估问题,提出了一种基于层次瞬时能量密度离散熵（HIEDDE）和动态时间规整（DTW）的故障模式识别方法。HIEDDE同时融合了故障特征增强及信息评价环节,能够有效表征不同状态振动信号的特征差异,利用DTW对特征信息进行相似性度量可自动判定故障模式。实验分析表明:该方法在不依赖过多训练样本的条件下仍可保证较高的分析精度。论文的研究成果为旋转机械故障诊断过程中所涉及的谐波故障检测、微弱冲击故障检测、变转速时变故障特征提取、同源信息融合和故障模式识别等问题的研究提供了新的思路。
杨文浩[5]（2020）在《基于数据驱动的开关磁阻电机调速系统故障诊断方法研究》文中认为开关磁阻电机调速系统（Switched Reluctance Motor Drive,SRD）因其结构简单、容错能力好、调速范围广等特点,被广泛应用于新能源汽车、智能家电、航空航天等前沿领域。功率变换器和传感器是SRD中重要的组成部分,且受开关频率和环境影响,这两个部分更易发生故障,从而对调速系统控制效果产生较大影响,甚至可能造成系统崩溃。为此,SRD故障快速诊断具有重要的研究意义和工程价值。基于数据驱动的故障诊断方法在已在船舶、电机、逆变器等领域大量应用,使其无论在诊断速度或精度方面都得到了认可。本文通过对SRD工作原理和故障状态进行分析,提出一种针对开关磁阻电机调速系统功率变换器单管短路故障和电流、转速传感器故障的自适应滑窗故障诊断方法。主要研究内容可分为以下三个部分:首先,对SRD的组成结构、控制方式、数学模型及工作原理进行分析。根据SRD的数学模型,搭建基于Ansoft的开关磁阻电机非线性仿真模型。并通过工作原理分析可能发生的功率变换器和传感器故障类型,比较不同类型故障下SRD的故障特征及所其造成的影响,搭建故障模型并获取故障原始数据,为基于数据驱动的故障诊断方法提供数据支持。其次,通过快速傅里叶变换（Fast Fourier Transform,FFT）对故障原始数据进行特征提取;采用ReliefF算法对数据进行降维,便于故障分类算法的学习;针对开关磁阻电机调速系统功率变换器单管短路故障和传感器故障,将k-近邻算法（k-Nearest Neighbor,kNN）、支持向量机（Support Vector Machine,SVM）和多分类极限学习机（Extreme Learning Machine,ELM）相结合,本文提出一种自适应滑窗故障诊断方法。该方法分为三个时间窗口,滑窗Ⅰ将集成ELM分类器1与SVM相结合,滑窗Ⅱ采用集成ELM分类器2,滑窗Ⅲ则采用kNN算法。最后,为验证本文提出的自适应滑窗故障诊断方法的有效性,以采用三相不对称半桥功率变换器的12/8极开关磁阻电机调速系统为研究对象,根据自适应滑窗故障诊断机理搭建基于MATLAB/Simulink的仿真模型。通过离线测试和在线诊断结果表明,该方法能快速精确诊断功率变换器单管短路故障和传感器故障,且精度能够达到98.87%。
王晟[6]（2019）在《电驱动桥商用汽车悬架系统振动特性及优化研究》文中研究表明近年来,限于环保压力及能源短缺等问题,电动汽车成为汽车行业发展的一个主流方向。商用电动汽车里,电驱动桥汽车因具备集成度高、适用车型广而成为了商用汽车一种发展趋势。但是,该类型汽车将动力传动总成集成至驱动桥内,这种改型设计会产生车辆质量分布变化与电机不平衡磁拉力激励两个对车辆悬架系统NVH有所影响的问题。鉴于此,本论文以某电驱动桥商用汽车悬架系统为研究对象,分析路面激励与电机激励下悬架及车身结构的振动特性,研究悬架及车辆不确定性参数下的优化。研究内容包括:建立电驱动桥商用汽车悬架系统动力学模型,并对其振动特性进行研究。悬架动力学建模中考虑悬架系统非线性元件以准确模拟真实的悬架模型。提出等效分段线性化的改进增量平衡谐波法用以求解上述非线性悬架系统振动问题。研究波形路面下电动汽车改型前后悬架及车身系统振动特性,研究表明动力传动总成置换引起电动汽车的后车轮动载荷有所提高,影响了车辆安全性能,而对车身垂向加速度影响不大。研究随机路面激励下电驱动桥商用汽车悬架系统振动特性。首先,提出改进的增量平衡谐波法结合小区间积分法的方法用以求取随机激励下悬架及车身系统振动响应量的功率谱密度,并与Runge-Kutta法进行对比验证,其误差在10%范围内,但计算效率提升了380%。其次,建立考虑座椅刚度及阻尼的五自由度悬架半车动力学模型,研究随机路面激励下电动汽车垂向振动特性。最后,对主要的车身质量参数及悬架参数进行灵敏度分析,结果表明车辆质量参数对车辆舒适性及安全性影响较大,在后续的悬架设计及优化分析中应综合考虑载重量等质量因素与悬架系统刚度阻尼匹配关系。研究电机激励下电驱动桥结构振动特性。探讨永磁同步电机电磁激励特性,针对电机在电驱动桥中的运行情况,揭示转子偏心情况对电机不平衡磁拉力特性的影响规律。其次,采用基于Ansoft+ANSYS多物理场耦合方法,研究上述电机激励作用下电机壳体及后桥结构的振动特性。最后,进行相应的电驱动桥台架试验,试验验证了电机动偏心情况的存在,在电机转速为1650rpm时观察到后桥壳体处振动频谱图中转频27.5Hz、两倍电频率220Hz等处的振动峰值。研究电机激励与路面激励作用下电驱动桥汽车振动特性。首先,研究电机激励通过悬架系统传至车身结构的振动特性。其次,探讨电机转子动偏心率的不确定性对车身振动影响规律。然后,考虑电机激励和路面激励的频率特性,分析其共同作用下的车身振动特性。结果表明,与轮毂电机电动车类似,电驱动桥减速器减速比ig对电动汽车舒适性及安全性有一定的影响,在ig为5.0、A级路面下电机激励对车身重心处垂向加速度均方根值恶化程度达10.7%,而较大的ig（ig>8）能基本消除电机激励对上述车辆性能的影响。最后,给出该电驱动桥商用汽车路试结果并与之前的分析进行对比验证。研究电动汽车悬架系统优化问题。提出基于四阶矩多项式变换结合广义多项式混沌方法的可靠度指数计算方法,相比于其他方法该方法计算精度高、应用范围广且计算效率高,并采用响应面法对目标函数进行拟合以节省计算资源,拟合精度在1%内。应用上述可靠性优化方法研究电动汽车在确定装载量和不确定装载量下的悬架参数优化情况,结果表明装载量对悬架参数优化结果影响较大,可根据装载量的统计概率密度分布特性进行悬架参数的设计及优化。开展的工作对具有电驱动桥形式的商用电动汽车NVH性能研究具有一定的理论价值和工程实践意义,并可推广至其他类型的电动汽车中,同时研究结论可作为前置条件用于车身结构NVH研究中。
井云飞[7]（2019）在《多故障激励下感应电机轴承故障辨识与诊断系统研究》文中研究说明随着科技的不断发展,越来越多的机械设备被广泛应用于各行各业的生产生活中,而机械设备的安全问题也逐渐受到人们的重视。感应电机作为众多机械装备能量转换的核心部件,在运行过程中一旦发生故障,必定会对整个机械系统带来巨大的影响,造成不可估量的经济损失。轴承故障是电机故障中最常见,也最容易发生的机械故障。当轴承故障与其他故障同时出现时,如电机断条故障或负载系统轴承故障与电机轴承故障发生耦合,会出现复杂的强弱故障特征,增加了电机轴承故障的诊断难度。本文以电机轴承为研究对象,对不同工况下电机轴承耦合故障振动信号的故障特征进行了研究,并借助虚拟仪器LabVIEW软件开发平台完成了基于小波-谱峭度的感应电机轴承耦合故障诊断系统开发。首先,本文对电机轴承与负载轴承耦合故障的故障特征辨识进行研究。通过对耦合故障振动信号的时域参数峭度值、包络解调结果分析发现,在包络谱中,负载轴承故障特征与电机轴承故障特征相互耦合作用下,电机轴承故障特征频率处的振动能量减小,故障特征不明显,无法同时提取出两种故障特征。本文提出了小波-谱峭度方法对电机轴承耦合故障振动信号进行特征提取,分析结果表明小波-谱峭度能够同时提取出电机轴承与负载轴承耦合故障中的两种障特征。其次,对电机断条与电机轴承耦合故障的故障特征辨识进行研究。在振动信号分析中,由于断条故障引起的电机工频调制,使其频谱中的工频及其边频成分增大,电机轴承故障特征频率处的振动能量减弱;在电流信号分析中,受工频调制影响不易提取出电机轴承故障特征频率。两种信号的传统分析方法都只能提取出强故障特征。本文利用小波分解与谱峭度相结合的方法对电机断条与电机轴承耦合故障信号分析,振动信号分析结果表明小波-谱峭度方法能同时辨识出电机断条和电机轴承的故障特征。最后,借用虚拟仪器LabVIEW平台,采用LabVIEW与Matlab相结合的编程方法实现了基于小波-谱峭度的感应电机轴承故障诊断系统的设计与开发,并通过实验数据进行验证,证明了该系统的可行性与准确性。
司金航[8]（2019）在《基于数据驱动的大飞机PDU组件故障诊断技术研究》文中提出随着航空货运在我国经济生产生活中的作用越来越重要,货舱货物装载系统的机械化、自动化和智能化成为一种不可逆转的趋势,由此产生的装载系统及其关键部件的可维护性需求也愈发明显。货舱货物装载系统包含了各种电子、机械子系统及关键部件,系统复杂度较高,出现故障的可能性也就相应增加,且故障一旦发生,就可能引起连锁反应导致系统拓机,甚至形成破坏性后果,从而造成不必要的经济损失。PDU是装载系统中的动力驱动单元,在系统中的作用举足轻重,且比较容易产生故障,因此,针对PDU的故障诊断成为亟待研究和解决的重要问题。故障诊断技术发展至今,伴随着机器学习和数据挖掘技术的不断深入研究,数据对于故障诊断的价值日益凸显,如何有效地运用现有设备运行数据来深度挖掘蕴含于其中有价值的故障信息,成为基于数据驱动的故障诊断方法的重要研究内容。本文对基于数据驱动的故障诊断方法进行了研究和改进,主要从特征提取方法和故障诊断方法两方面展开,并通过理论推导和TE数据集仿真的手段验证了方法的有效性和优越性;本文结合PDU较少的公开资料和现有PDU维修经验,探究了PDU故障机理和状态监测方法,为进一步获取PDU实测数据、实现PDU故障诊断打下了基础。本文主要的研究成果有:1.提出了基于中值的WPCA算法特征提取方法,解决了实际应用场景下,由于原始数据可能存在的高维度、多冗余、含噪声特性而带来的特征提取难度大、效果差的问题,利用TE数据集进行仿真验证,结果表明所提出特征提取方法在保证了算法高效运行的前提下,改进了传统PCA的降维性能,处理结果能突出反映原始数据的主要特征或者主要维度,减小了次要特征和噪声信号的影响。改进主要有以下两个方面:1)通过计算数据的每一维特征对于分类的不同贡献程度进行特征加权,实现了更准确有效的特征提取,加权后的处理结果更能反映数据的主要特征;2)在传统PCA中心化预处理的实现方法上,引入不受数据极端值影响的中值代替均值,一定程度上避免了提取到的特征受原始数据极端值（即噪声和异常信号）的影响,使得特征提取结果更准确而可靠。2.提出了改进的基于聚类算法的故障诊断方法——诊断集聚类分布图法,解决了现有故障诊断方法实现故障诊断的过程普遍较为繁杂的问题,通过构建标准特征样本集,并与待诊断样本组成诊断集作为聚类算法的输入,实现了故障检测和故障诊断结果在聚类结果图上的直观体现,同时将该方法与基于中值的WPCA算法特征提取方法相结合,提高了聚类效果和故障诊断的正确率。3.探究了PDU故障机理和状态监测方法,解决了PDU故障类型与故障征兆之间对应关系的问题,并给出了通过动力学建模求解各类故障与动力学参数之间隐含映射关系的方法,设计了初步的PDU状态监测方案,为获取PDU实测状态数据、进一步实现PDU故障诊断打下了基础。
梁治华[9]（2019）在《基于数据的旋转机械故障诊断和性能评估方法研究》文中进行了进一步梳理机械设备大多处于恶劣的工作环境中,这些环境是不适合操作人员现场操作的,因此实时采集机械设备的运行数据,远程对机械设备进行故障诊断和性能评估的研究是十分有意义的。作为旋转机械的核心部件,滚动轴承的故障发生率更高,据数据表明,由滚动轴承的损坏所引起机械设备的故障占总故障的30%。因此对滚动轴承进行机理分析,进而诊断轴承的故障,最终评估轴承的性能是旋转机械领域的重点研究问题。针对传统的故障诊断方法在特征提取过程中主要采用少量特征而无法达到最优的故障诊断准确率的问题,提出了一种基于集合经验模态分解和多特征融合的故障诊断方法。该方法可以准确的对滚动轴承内圈和外圈在不同严重程度的损坏下的故障进行分类识别,效果优于提取少量特征的结果。然而,此方法存在提取的特征较多,导致计算速度较慢的问题。针对多特征存在计算复杂且传统的支持向量机分类参数容易陷入局部最优的问题,本文提出一种基于集合经验模态分解和布谷鸟搜索优化支持向量机的故障诊断方法,该方法对本征模态函数只提取均方根作为特征,并且使用布谷鸟搜索算法对支持向量机进行优化,自适应的选取最优参数进行故障分类,该方法不仅可以准确的对轴承内外圈在不同损坏程度下的故障进行诊断,还可以准确的对轴承滚动体的不同故障位置进行诊断。基于变分模态分解的滚动轴承的信号处理方法存在中心频率容易陷入局部最优以及分解层数需人为选择两个问题,此外传统的性能评估方法缺少对时间序列信息的考虑,对信号数据的拟合误差较大。针对以上问题,本文提出了基于改进变分模态分解和长短期记忆网络的滚动轴承性能评估方法。该方法使用布谷鸟搜索优化中心频率迭代,通过瞬时频率理论自适应的选择信号分解层数,彻底解决变分模态分解的中心频率迭代陷入局部最优问题以及分解层数需人为选择问题。提出将长短期记忆网络用于对提取的方差特征时间序列进行拟合,极大地降低了拟合误差,并针对拟合信号进行分析,找出了滚动轴承的性能变化规律,该方法将长短期记忆网络引入滚动轴承的性能评估方法中,为评估滚动轴承的性能提供了一种有效的方法。
黄金金[10]（2019）在《基于注入法的电动汽车永磁同步电机故障诊断技术研究》文中研究指明本文针对电动汽车驱动用永磁同步电机的本体故障进行研究,解决变工况、复杂环境下电机系统故障特征不稳定、多故障现象趋同、不同故障诊断算法不兼容等问题,提出一种基于信号注入技术的电动汽车用永磁同步电机多故障诊断方法。建立了电机故障树,分析了永磁同步电机故障类型和故障诊断方式,阐述了转子退磁、转子偏心和匝间短路的故障产生机理。提出了三相永磁同步电机的信号注入式诊断策略。运用Ansoft软件建立8极36槽永磁同步电机有限元模型,分别建立带有转子退磁、转子偏心和匝间短路故障模型,对模型进行旋转电压信号和d轴电流信号注入,提取故障特征量,实现故障诊断。为验证信号注入法的普适性,建立了8极36槽内置式电机、8极36槽表贴式电机和8极48槽内置式电机有限元模型,在同样的信号注入过程中,对模型进行仿真,通过内置式电机与表贴式电机仿真结果比较,不同极槽配合电机仿真结果比较,同样得出上述结论,即特征量的变化能够明确区别开来,因此验证了信号注入法的适用性。进行多故障诊断统一性研究。通过特征量I0·ω/Vi和电感L’d的变化来判断电机此时的状态是健康的,还是某一种特定故障发生:首先注入旋转电压信号,当特征量I0·ω/Vi与存储的无故障数据的阈值相比,变大即判定匝间短路故障。继续进行注入d轴电流信号,当电感L’d与存储的无故障数据的阈值相比,变小即判定偏心故障,变大即判定退磁故障,无明显变化则电机健康运行。制作了基于8极36槽的各类故障的永磁同步电机,搭建了实验平台。针对无故障、转子退磁、转子偏心和匝间短路四台样机,分别注入旋转电压信号d轴电流信号,提取故障特征量,验证了注入式诊断策略的可行性。
二、QF-12D电机轴承故障分析及改进设计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、QF-12D电机轴承故障分析及改进设计（论文提纲范文）
（2）南水北调泵站故障类型与诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 故障诊断技术 |
| 1.2.2 故障树分析法 |
| 1.3 研究内容 |
| 第二章 南水北调一期泵站典型故障关联耦合体系 |
| 2.1 主机组 |
| 2.1.1 典型故障 |
| 2.1.2 故障原因分析 |
| 2.2 辅机系统 |
| 2.2.1 典型故障 |
| 2.2.2 故障原因分析 |
| 2.3 断流设施 |
| 2.3.1 典型故障 |
| 2.3.2 故障原因分析 |
| 2.4 本章小结 |
| 第三章 南水北调一期泵站故障树的构建 |
| 3.1 故障树基础理论 |
| 3.2 故障树的建立步骤 |
| 3.3 主机组故障树构建 |
| 3.4 辅机系统故障树构建 |
| 3.5 断流设施故障树构建 |
| 3.6 本章小结 |
| 第四章 基于故障树理论的定性定量分析 |
| 4.1 定性分析 |
| 4.1.1 最小割集的求法 |
| 4.1.2 最小割集求解意义 |
| 4.1.3 主机组故障树模型定性分析 |
| 4.1.4 辅机系统故障树模型定性分析 |
| 4.1.5 断流设施故障树模型定性分析 |
| 4.2 定量分析 |
| 4.2.1 顶事件失效概率 |
| 4.2.2 重要度分析 |
| 4.2.3 主机组故障树模型定量分析 |
| 4.2.4 辅机系统故障树模型定量分析 |
| 4.2.5 断流设施故障树模型定量分析 |
| 4.3 本章小结 |
| 第五章 泵站故障分析系统的应用 |
| 5.1 泵站故障树计算机建模 |
| 5.1.1 泵站故障树建模步骤 |
| 5.1.2 泵站故障树模型 |
| 5.2 泵站故障树分析系统 |
| 5.2.1 泵站故障分析系统的总体架构 |
| 5.2.2 泵站故障分析系统功能模块设计 |
| 5.2.3 泵站故障分析系统界面设计 |
| 5.3 本章小结 |
| 第六章 南水北调一期泵站工程故障实例应用 |
| 6.1 宝应站 |
| 6.1.1 历史故障 |
| 6.1.2 故障树的构建 |
| 6.1.3 定性定量分析 |
| 6.2 蔺家坝站 |
| 6.2.1 历史故障 |
| 6.2.2 故障树的构建 |
| 6.2.3 定性定量分析 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
（3）伺服电机系统传动链典型故障诊断技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 课题相关国内外研究现状 |
| 1.2.1 电机系统传动链典型故障类型及其机理研究 |
| 1.2.2 基于不同故障载体的电机系统传动链故障诊断 |
| 1.2.3 电机系统传动链故障特征提取方案的研究现状 |
| 1.2.4 电机系统传动链故障状态识别与诊断决策 |
| 1.2.5 研究现状简析 |
| 1.3 本文主要研究内容 |
| 第2章 基于电机电流的齿轮局部式故障诊断技术 |
| 2.1 引言 |
| 2.2 MCSA齿轮故障诊断机理研究 |
| 2.2.1 齿轮传动系统建模 |
| 2.2.2 不同齿轮健康状态下的相电流特性分析 |
| 2.2.3 仿真验证 |
| 2.3 运行条件对齿轮故障诊断效果的影响分析 |
| 2.3.1 齿轮断齿故障诊断实验平台 |
| 2.3.2 不同运行条件下的故障诊断结果及分析 |
| 2.4 基于RSSD的齿轮故障诊断 |
| 2.4.1 信号的振荡属性 |
| 2.4.2 相电流共振稀疏分解算法 |
| 2.4.3 实验验证与分析 |
| 2.5 基于双重参数优化RSSD的齿轮故障诊断 |
| 2.5.1 TQWT参数分析 |
| 2.5.2 基于低共振分量峭度值的RSSD参数优化准则 |
| 2.5.3 实验验证与分析 |
| 2.6 本章小结 |
| 第3章 基于电机转速的电机轴承局部式故障诊断技术 |
| 3.1 引言 |
| 3.2 MCSA与 MSSA机理研究及对比分析 |
| 3.2.1 轴承局部式故障时电机系统轴矩特性建模 |
| 3.2.2 轴承局部式故障对相电流和电机转速信号的影响 |
| 3.2.3 仿真验证 |
| 3.3 基于谱峭度的轴承故障诊断及最优故障载体选取 |
| 3.3.1 轴承裂纹故障诊断实验平台 |
| 3.3.2 谱峭度算法 |
| 3.3.3 实验结果分析与最优信号选取 |
| 3.4 基于优化谱峭度算法的轴承故障诊断 |
| 3.4.1 基于EEMD自适应信号重构的故障特征增强 |
| 3.4.2 实验验证与分析 |
| 3.5 基于电机驱动算法预处理的轴承故障诊断 |
| 3.5.1 电流采样误差对故障诊断的影响 |
| 3.5.2 结合电机驱动算法的转速主动降噪 |
| 3.5.3 实验验证与分析 |
| 3.5.4 早期轴承局部式故障下算法性能 |
| 3.6 本章小结 |
| 第4章 基于电机转速的初始安装不对中故障诊断技术 |
| 4.1 引言 |
| 4.2 安装不对中故障诊断机理研究 |
| 4.2.1 平行不对中故障建模 |
| 4.2.2 角度不对中故障建模 |
| 4.2.3 仿真验证 |
| 4.3 基于转速模型系数辨识的安装不对中故障诊断 |
| 4.3.1 转速模型系数辨识方法 |
| 4.3.2 安装不对中实验平台 |
| 4.3.3 实验验证与分析 |
| 4.4 初始安装不对中故障诊断 |
| 4.4.1 基于多转速下不对中故障特征分量的检测方法 |
| 4.4.2 仿真验证 |
| 4.4.3 实验验证与分析 |
| 4.5 本章小结 |
| 第5章 基于位域法的电机系统传动链暂态下故障诊断技术 |
| 5.1 引言 |
| 5.2 位域重采样方法 |
| 5.2.1 时频域法暂态失效原理分析 |
| 5.2.2 计算位域重采样算法 |
| 5.3 基于位域运动误差信号的暂态齿轮故障诊断 |
| 5.3.1 基于运动误差的齿轮故障诊断机理研究 |
| 5.3.2 位域运动误差同步平均法齿轮故障诊断 |
| 5.4 基于阶比谱分析的暂态不对中故障诊断 |
| 5.4.1 基于阶比谱分析的诊断方法 |
| 5.4.2 实验验证与分析 |
| 5.5 基于位域阶谱峭度分析的暂态轴承故障诊断 |
| 5.5.1 位域阶谱峭度算法 |
| 5.5.2 实验验证与分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（4）基于奇异谱分解的旋转机械故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 旋转机械故障诊断概述 |
| 1.2.1 故障诊断流程 |
| 1.2.2 故障特征描述 |
| 1.3 旋转机械故障诊断几个关键问题的研究现状 |
| 1.3.1 故障特征检测的研究现状 |
| 1.3.2 变转速故障分析的研究现状 |
| 1.3.3 同源振动信息融合的研究现状 |
| 1.3.4 故障模式识别的研究现状 |
| 1.4 论文主要研究对象 |
| 1.5 论文主要研究内容 |
| 第2章 奇异谱分解及其在转子谐波故障检测中的应用 |
| 2.1 引言 |
| 2.2 奇异谱分解的原理 |
| 2.2.1 SSA方法 |
| 2.2.2 SSD方法 |
| 2.3 SSD的分解特性研究 |
| 2.3.1 抗模态混叠性能分析 |
| 2.3.2 双谐波分解能力研究 |
| 2.4 SSD在转子故障谐波检测中的应用研究 |
| 2.4.1 SSD-HT时频分析方法 |
| 2.4.2 转子故障仿真信号分析 |
| 2.4.3 转子故障实验信号分析 |
| 2.4.4 汽轮机碰摩故障分析 |
| 2.5 本章小结 |
| 第3章 优化奇异谱分解方法 |
| 3.1 引言 |
| 3.2 基于能量比迭代停止条件的局限性分析 |
| 3.3 OSSD方法 |
| 3.4 仿真分析 |
| 3.5 实验分析 |
| 3.6 本章小结 |
| 第4章 ESSD及其在微弱冲击故障检测中的应用 |
| 4.1 引言 |
| 4.2 微分算子及其在信号处理中的作用 |
| 4.2.1 微分算子 |
| 4.2.2 微分算子对双谐波信号分析模型的影响 |
| 4.2.3 微分算子对于SIR的增强性能分析 |
| 4.3 积分算子及其在信号处理中的作用 |
| 4.4 ESSD方法 |
| 4.5 ESSD分解能力研究 |
| 4.6 仿真分析 |
| 4.7 实验分析 |
| 4.7.1 实验台介绍 |
| 4.7.2 圆柱滚子轴承内圈故障诊断 |
| 4.7.3 深沟球轴承复合故障诊断 |
| 4.8 工程应用 |
| 4.9 本章小结 |
| 第5章 SSD在变转速故障特征提取中的应用 |
| 5.1 引言 |
| 5.2 多分量时变非平稳仿真信号分析 |
| 5.3 基于SSD-HT时频分析的变转速转子故障诊断 |
| 5.4 转速变换 |
| 5.5 滚动轴承变转速故障诊断 |
| 5.5.1 故障诊断流程 |
| 5.5.2 仿真分析 |
| 5.5.3 实验分析 |
| 5.6 本章小结 |
| 第6章 CSSD及其在旋转机械故障诊断中的应用 |
| 6.1 引言 |
| 6.2 CSSD方法 |
| 6.2.1 CSSD的原理 |
| 6.2.2 CSSD的等效滤波特性 |
| 6.2.3 CSSD-HT时频分析 |
| 6.2.4 CSSD-HT包络解调分析 |
| 6.3 基于CSSD的旋转机械故障诊断方法 |
| 6.4 实验分析 |
| 6.4.1 转子碰摩故障分析 |
| 6.4.2 滚动轴承复合故障分析 |
| 6.5 本章小结 |
| 第7章 基于HIEDDE和DTW的故障模式识别 |
| 7.1 引言 |
| 7.2 基于SSD的IED分析 |
| 7.3 HIEDDE的原理 |
| 7.3.1 DE算法 |
| 7.3.2 HDE算法 |
| 7.3.3 HDE同MDE的性能对比 |
| 7.3.4 HIEDDE算法 |
| 7.4 DTW的原理 |
| 7.5 基于HIEDDE和DTW的故障模式识别 |
| 7.6 实验验证 |
| 7.6.1 齿轮箱故障实验分析1 |
| 7.6.2 齿轮箱故障实验分析2 |
| 7.7 本章小结 |
| 第8章 结论与展望 |
| 8.1 全文总结 |
| 8.2 主要创新点 |
| 8.3 研究展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（5）基于数据驱动的开关磁阻电机调速系统故障诊断方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状与发展趋势 |
| 1.2.1 故障诊断方法研究现状与发展趋势 |
| 1.2.2 电机调速系统故障诊断方法研究现状与发展趋势 |
| 1.3 本文主要研究内容 |
| 2 开关磁阻电机调速系统基本结构及故障分析 |
| 2.1 开关磁阻电机调速系统基本结构及运行原理 |
| 2.1.1 基本结构 |
| 2.1.2 功率变换器结构 |
| 2.1.3 调速控制基本方法 |
| 2.2 开关磁阻电机调速系统故障分析 |
| 2.2.1 功率变换器单管短路故障分析 |
| 2.2.2 传感器故障分析 |
| 2.3 本章小结 |
| 3 基于自适应滑窗的开关磁阻电机调速系统故障诊断 |
| 3.1 自适应滑窗故障诊断机理 |
| 3.2 故障数据采集 |
| 3.2.1 功率变换器单管短路故障数据采集 |
| 3.2.2 传感器故障数据采集 |
| 3.3 故障数据预处理 |
| 3.4 开关磁阻电机调速系统故障数据特征提取与选择 |
| 3.4.1 快速傅里叶算法 |
| 3.4.2 ReliefF特征选择算法 |
| 3.5 自适应滑窗故障诊断方法实现 |
| 3.5.1 故障诊断滑窗Ⅰ的实现 |
| 3.5.2 故障诊断滑窗Ⅱ的实现 |
| 3.5.3 故障诊断滑窗Ⅲ的实现 |
| 3.6 本章小结 |
| 4 仿真验证 |
| 4.1 仿真平台介绍 |
| 4.2 离线仿真验证 |
| 4.2.1 故障数据采集 |
| 4.2.2 特征提取与选择 |
| 4.2.3 支持向量机参数调试 |
| 4.2.4 k-近邻算法参数调试 |
| 4.2.5 集成极限学习机参数调试 |
| 4.3 在线仿真验证 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 论文总结 |
| 5.2 论文展望 |
| 参考文献 |
| 攻读硕士学位期间发表论文及科研成果 |
| 致谢 |
（6）电驱动桥商用汽车悬架系统振动特性及优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文背景及意义 |
| 1.2 国内外研究现状综述 |
| 1.2.1 电动汽车悬架NVH研究综述 |
| 1.2.2 汽车悬架动力学研究现状 |
| 1.2.3 永磁同步电机电磁振动研究现状 |
| 1.2.4 不确定性分析及优化研究综述 |
| 1.3 课题来源及本文研究的主要内容 |
| 第2章 电驱动桥商用汽车悬架动力学建模与振动特性研究 |
| 2.1 引言 |
| 2.2 电驱动桥商用汽车悬架系统动力学建模 |
| 2.2.1 半车悬架动力学模型 |
| 2.2.2 非独立悬架弹簧及阻尼器特性介绍 |
| 2.3 路面激励模型介绍 |
| 2.3.1 波形路面介绍 |
| 2.3.2 随机路面介绍 |
| 2.4 改进增量平衡谐波法简介 |
| 2.4.1 等效分段线性化流程 |
| 2.4.2 增量平衡谐波法流程 |
| 2.4.3 Duffing方程验证及标定研究 |
| 2.5 电动汽车悬架系统振动幅频特性研究 |
| 2.5.1 IHBM-EP计算流程 |
| 2.5.2 车辆垂向振动幅频特性研究 |
| 2.6 本章总结 |
| 第3章 随机路面激励下电驱动桥商用汽车振动特性研究 |
| 3.1 引言 |
| 3.2 随机路面激励下振动分析流程 |
| 3.3 考虑驾驶员座椅的电动汽车振动分析 |
| 3.3.1 考虑座椅的半车五自由度模型 |
| 3.3.2 电动汽车平顺性及安全性计算及分析 |
| 3.4 系统主要参数振动响应影响分析 |
| 3.4.1 空载簧载质量m_b0影响研究 |
| 3.4.2 后悬簧下质量m_r影响研究 |
| 3.4.3 装载量m影响研究 |
| 3.4.4 装载量质心距离前轴距离l影响分析 |
| 3.4.5 后悬架刚度k_r1影响研究 |
| 3.4.6 后悬架阻尼c_r1影响分析 |
| 3.5 振动响应灵敏度分析 |
| 3.6 本章总结 |
| 第4章 电机激励下电驱动桥结构振动特性研究 |
| 4.1 引言 |
| 4.2 永磁同步电机不平衡磁拉力特性研究 |
| 4.2.1 永磁同步电机电磁力特性研究 |
| 4.2.2 偏心情况下电机电磁力特性研究 |
| 4.3 电机激励下结构振动方法研究 |
| 4.4 电磁激励下电驱动桥振动仿真及台架试验研究 |
| 4.4.1 仿真分析 |
| 4.4.2 台架试验验证 |
| 4.5 本章总结 |
| 第5章 电机激励与路面激励下电驱动桥商用汽车振动特性研究 |
| 5.1 引言 |
| 5.2 电驱动桥减速器减速比对整车振动特性影响研究 |
| 5.3 电机激励下车身结构振动响应研究 |
| 5.3.1 电磁激励下板簧座处响应研究 |
| 5.3.2 后桥扭矩等效模型 |
| 5.3.3 电磁激励下车身结构响应研究 |
| 5.4 永磁同步电机偏心不确定性分析研究 |
| 5.4.1 混沌多项式介绍 |
| 5.4.2 电动汽车垂向振动不确定性分析 |
| 5.5 路面激励与电磁激励下整车振动特性研究 |
| 5.6 电驱动桥商用汽车道路试验研究 |
| 5.7 本章总结 |
| 第6章 电驱动桥商用汽车悬架振动优化研究 |
| 6.1 引言 |
| 6.2 可靠性设计与优化研究方法简述 |
| 6.2.1 广义多项式混沌展开方法简介 |
| 6.2.2 四阶矩多项式变换方法简介 |
| 6.3 响应面方法简述 |
| 6.3.1 响应面理论介绍 |
| 6.3.2 响应面法输入点选取 |
| 6.4 确定装载量下电动汽车悬架系统振动优化研究 |
| 6.4.1 可靠性设计优化RBDO定义及流程 |
| 6.4.2 满载情况下电动汽车悬架系统振动优化研究 |
| 6.4.3 半载情况下电动汽车悬架系统振动优化研究 |
| 6.5 不确定性装载量下电动汽车悬架系统振动优化研究 |
| 6.5.1 不确定性装载量可靠性设计优化流程 |
| 6.5.2 不确定性装载量下电动汽车悬架系统振动优化研究 |
| 6.6 本章总结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 主要创新点 |
| 7.3 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间学术成果 |
（7）多故障激励下感应电机轴承故障辨识与诊断系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 电机轴承故障诊断的国内外研究现状 |
| 1.2.1 电机轴承故障诊断研究现状 |
| 1.2.2 信号处理与特征提取研究现状 |
| 1.2.3 发展趋势 |
| 1.3 主要研究内容 |
| 第二章 异步电机轴承故障特征及诊断方法 |
| 2.1 电机轴承的结构及故障原因 |
| 2.1.1 电机轴承的结构组成 |
| 2.1.2 电机轴承失效形式 |
| 2.1.3 电机轴承故障类型 |
| 2.2 电机轴承故障的振动特性与电流特性 |
| 2.2.1 电机轴承故障的振动特性 |
| 2.2.2 电机轴承故障的电流特性 |
| 2.3 电机轴承故障传统诊断方法 |
| 2.3.1 时域参数指标 |
| 2.3.2 Hilbert包络解调 |
| 2.4 小波变换与谱峭度相结合的电机轴承耦合故障诊断方法 |
| 2.4.1 谱峭度 |
| 2.4.2 小波变换 |
| 2.4.3 小波-谱峭度方法 |
| 2.5 本章小节 |
| 第三章 电机轴承与负载轴承耦合故障特征提取 |
| 3.1电机轴承故障实验 |
| 3.1.1 电机轴承故障模拟实验台的简介 |
| 3.1.2 采集系统 |
| 3.1.3 实验设置 |
| 3.2 电机轴承单一故障不同测点振动信号分析 |
| 3.2.1 电机端振动信号分析 |
| 3.2.2 负载端振动信号分析 |
| 3.3 负载轴承单一故障不同测点振动信号分析 |
| 3.3.1 电机端振动信号分析 |
| 3.3.2 负载端振动信号分析 |
| 3.4 轴承耦合故障不同测点振动信号分析 |
| 3.4.1 电机端振动信号分析 |
| 3.4.2 负载端振动信号分析 |
| 3.5 电机轴承耦合故障振动信号谱峭度分析 |
| 3.6 小波-谱峭度负载轴承-电机轴承耦合故障振动信号分析 |
| 3.6.1 电机端振动信号分析 |
| 3.6.2 负载端振动信号分析 |
| 3.7 本章小结 |
| 第四章 电机轴承与电机断条耦合故障特征提取 |
| 4.1 电机断条故障实验 |
| 4.1.1 电机断条故障 |
| 4.1.2 断条故障设置 |
| 4.2 电机断条故障振动信号分析 |
| 4.2.1 负载一状态下电机断条振动信号分析 |
| 4.2.2 负载二状态下电机断条振动信号分析 |
| 4.3 电机断条故障电流信号分析 |
| 4.3.1 负载一状态下电机断条故障电流信号分析 |
| 4.3.2 负载二状态下电机断条故障电流信号分析 |
| 4.4 小波-谱峭度电机轴承-电机断条耦合故障分析 |
| 4.4.1 耦合故障振动信号分析 |
| 4.4.2 耦合故障电流信号分析 |
| 4.5 本章小结 |
| 第五章 基于LabVIEW的电机轴承故障诊断系统设计 |
| 5.1 虚拟仪器LabVIEW的介绍 |
| 5.1.1 LabVIEW的特点 |
| 5.1.2 LabVIEW的程序组成 |
| 5.2 诊断系统的总体设计方案 |
| 5.2.1 登录界面 |
| 5.2.2 时域分析 |
| 5.2.3 频谱分析 |
| 5.2.4 包络解调分析 |
| 5.2.5 小波-谱峭度分析 |
| 5.3 实测数据分析 |
| 5.4 本章小结 |
| 第六章 结论 |
| 参考文献 |
| 附录1 攻读硕士学位期间发表论文目录 |
| 致谢 |
（8）基于数据驱动的大飞机PDU组件故障诊断技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 故障诊断相关概念及方法 |
| 1.2.1 故障 |
| 1.2.2 故障诊断 |
| 1.2.3 基于数据驱动的故障诊断方法 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.3.3 PDU领域故障诊断研究现状 |
| 1.4 本文研究内容及结构安排 |
| 第二章 基于中值的WPCA算法特征提取方法 |
| 2.1 引言 |
| 2.2 数据驱动的故障诊断技术路线 |
| 2.3 传统PCA算法特征提取方法 |
| 2.4 基于中值的WPCA算法特征提取方法 |
| 2.4.1 改进的WPCA算法研究 |
| 2.4.2 基于中值的WPCA算法研究 |
| 2.4.3 特征参数定义 |
| 2.5 特征提取实现方案与仿真 |
| 2.5.1 故障数据来源 |
| 2.5.2 特征提取实现方案 |
| 2.5.3 仿真过程与结果 |
| 2.5.4 仿真结果分析 |
| 2.6 本章小结 |
| 第三章 改进的基于聚类算法的故障诊断 |
| 3.1 引言 |
| 3.2 聚类算法理论基础 |
| 3.2.1 层次聚类算法 |
| 3.2.2 K-Means聚类算法 |
| 3.2.3 传统基于聚类算法的故障诊断 |
| 3.3 改进的基于聚类算法的故障诊断 |
| 3.4 故障诊断实现方案与仿真 |
| 3.4.1 故障诊断实现方案 |
| 3.4.2 仿真过程与结果 |
| 3.4.3 仿真结果分析 |
| 3.5 本章小结 |
| 第四章 PDU故障机理研究和状态监测方案设计 |
| 4.1 引言 |
| 4.2 货舱货物装载系统和PDU |
| 4.2.1 货舱货物装载系统 |
| 4.2.2 PDU |
| 4.3 PDU故障机理研究 |
| 4.3.1 PDU故障分析 |
| 4.3.2 PDU故障模型 |
| 4.4 PDU状态监测方案设计 |
| 4.4.1 总体监测方案设计 |
| 4.4.2 传感器选型与安装 |
| 4.4.3 监测过程中的要点 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）基于数据的旋转机械故障诊断和性能评估方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外的研究现状 |
| 1.2.1 目前轴承的信号处理算法 |
| 1.2.2 目前轴承的特征提取方法 |
| 1.2.3 目前轴承的模式识别算法 |
| 1.2.4 目前轴承的性能评估算法 |
| 1.3 目前存在的问题 |
| 1.4 本文主要研究内容及创新点 |
| 1.5 本文的组织结构 |
| 2 滚动轴承故障机理分析与数据监测方法 |
| 2.1 滚动轴承故障机理分析 |
| 2.1.1 滚动轴承以及常见故障 |
| 2.1.2 滚动轴承特征频率机理分析 |
| 2.2 滚动轴承监测方法 |
| 2.3 本章小结 |
| 3 基于EEMD和多特征融合的滚动轴承故障诊断算法研究 |
| 3.1 引言 |
| 3.2 特征提取 |
| 3.2.1 集合经验模态分解 |
| 3.2.2 特征选择 |
| 3.3 识别方法 |
| 3.4 实验及实验结果 |
| 3.4.1 实验准备 |
| 3.4.2 实验结果 |
| 3.5 本章小结 |
| 4 基于EEMD和 CS-SVM的滚动轴承故障诊断算法研究 |
| 4.1 引言 |
| 4.2 故障信号处理及特征提取 |
| 4.2.1 集合经验模态分解 |
| 4.2.2 特征提取 |
| 4.3 故障特征分类 |
| 4.3.1 支持向量机 |
| 4.3.2 布谷鸟搜索算法 |
| 4.3.3 布谷鸟算法优化支持向量机参数 |
| 4.4 实验及实验结果 |
| 4.4.1 实验准备 |
| 4.4.2 实验结果 |
| 4.5 本章小结 |
| 5 基于改进VMD和 LSTM的滚动轴承性能评估算法研究 |
| 5.1 引言 |
| 5.2 轴承振动信号处理及特征提取 |
| 5.2.1 变分模态分解 |
| 5.2.2 基于布谷鸟搜索算法优化的变分模态分解 |
| 5.2.3 特征提取 |
| 5.3 滚动轴承寿命预测方法 |
| 5.3.1 循环神经网络 |
| 5.3.2 长短期记忆网络 |
| 5.3.3 激活函数 |
| 5.3.4 LSTM前向传递算法 |
| 5.3.5 LSTM反向传播算法 |
| 5.4 实验及实验结果 |
| 5.4.1 实验准备 |
| 5.4.2 实验结果 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文目录 |
| 攻读硕士学位期间参与的科研项目情况 |
（10）基于注入法的电动汽车永磁同步电机故障诊断技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 电机故障诊断技术国内外研究现状 |
| 1.3 永磁同步电机故障树及故障诊断技术国内外研究现状 |
| 1.3.1 永磁同步电机驱动系统故障树 |
| 1.3.2 转子退磁诊断策略 |
| 1.3.3 转子偏心诊断策略 |
| 1.3.4 匝间短路诊断策略 |
| 1.3.5 轴承故障诊断策略 |
| 1.4 电机信号注入法国内外研究现状 |
| 1.5 本文主要研究内容 |
| 第2章 信号注入式永磁同步电机故障诊断模型及原理分析 |
| 2.1 引言 |
| 2.2 永磁同步电机控制系统及信号注入模型 |
| 2.3 永磁同步电机控制注入信号控制模型 |
| 2.4 信号注入法原理 |
| 2.4.1 旋转电压信号注入原理 |
| 2.4.2 d轴电流信号注入原理 |
| 2.5 实例电机模型 |
| 2.5.1 8极36 槽内置式永磁同步电机模型 |
| 2.5.2 8极48 槽内置式永磁同步电机模型 |
| 2.5.3 8极36 槽表贴式永磁同步电机模型 |
| 2.6 注入信号下参数特征仿真分析 |
| 2.6.1 8极36 槽内置式永磁同步电机仿真分析 |
| 2.6.2 8极48 槽内置式永磁同步电机仿真分析 |
| 2.6.3 8极36 槽表贴式永磁同步电机仿真分析 |
| 2.7 本章小结 |
| 第3章 转子退磁故障注入信号式诊断方法研究 |
| 3.1 引言 |
| 3.2 转子退磁故障机理分析 |
| 3.3 内置式电机退磁故障注入式诊断方法研究 |
| 3.3.1 8极36 槽电机退磁故障仿真分析 |
| 3.3.2 8极48 槽电机退磁故障仿真分析 |
| 3.4 表贴式电机退磁故障注入式诊断方法研究 |
| 3.4.1 注入旋转电压信号的故障特征 |
| 3.4.2 注入d轴电流信号的故障特征 |
| 3.5 实验平台及实验研究 |
| 3.5.1 电机驱动平台 |
| 3.5.2 无故障永磁同步电机实验 |
| 3.5.3 退磁永磁同步电机实验 |
| 3.6 本章小结 |
| 第4章 转子偏心故障注入信号式诊断方法研究 |
| 4.1 引言 |
| 4.2 转子偏心故障机理及分类 |
| 4.3 内置式电机偏心故障注入式诊断方法研究 |
| 4.3.1 8极36 槽电机偏心故障仿真分析 |
| 4.3.2 8极48 槽电机偏心故障仿真分析 |
| 4.4 表贴式电机偏心故障注入式诊断方法研究 |
| 4.4.1 注入旋转电压信号的故障特征 |
| 4.4.2 注入d轴电流信号的故障特征 |
| 4.5 实验研究 |
| 4.5.1 注入旋转电压信号实验 |
| 4.5.2 注入d轴电流信号实验 |
| 4.6 本章小结 |
| 第5章 匝间短路故障注入信号式诊断方法研究 |
| 5.1 引言 |
| 5.2 匝间短路故障机理分析 |
| 5.3 内置式电机匝间短路故障注入式诊断方法研究 |
| 5.3.1 8极36 槽电机匝间短路故障仿真分析 |
| 5.3.2 8极48 槽电机匝间短路故障仿真分析 |
| 5.4 表贴式电机匝间短路故障注入式诊断方法研究 |
| 5.4.1 注入旋转电压信号的故障特征 |
| 5.4.2 注入d轴电流信号的故障特征 |
| 5.5 实验研究 |
| 5.5.1 注入旋转电压信号实验 |
| 5.5.2 注入d轴电流信号实验 |
| 5.6 本章小结 |
| 第6章 注入信号式多故障诊断策略研究 |
| 6.1 引言 |
| 6.2 电机多故障模型及注入信号式诊断方法的仿真 |
| 6.2.1 旋转电压注入式方法的仿真分析 |
| 6.2.2 电流信号注入式方法的仿真分析 |
| 6.3 电机多故障诊断方法的实验研究 |
| 6.3.1 旋转电压注入实验 |
| 6.3.2 d轴电流注入实验 |
| 6.4 电机多故障诊断策略 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
四、QF-12D电机轴承故障分析及改进设计（论文参考文献）
- [1]虚实结合的笼型异步电机故障诊断实验教学系统研究[D]. 徐平. 中国矿业大学, 2021
- [2]南水北调泵站故障类型与诊断研究[D]. 张锐. 扬州大学, 2021(08)
- [3]伺服电机系统传动链典型故障诊断技术研究[D]. 柴娜. 哈尔滨工业大学, 2021
- [4]基于奇异谱分解的旋转机械故障诊断研究[D]. 庞彬. 华北电力大学(北京), 2020
- [5]基于数据驱动的开关磁阻电机调速系统故障诊断方法研究[D]. 杨文浩. 西华大学, 2020(01)
- [6]电驱动桥商用汽车悬架系统振动特性及优化研究[D]. 王晟. 武汉理工大学, 2019
- [7]多故障激励下感应电机轴承故障辨识与诊断系统研究[D]. 井云飞. 郑州轻工业大学, 2019(09)
- [8]基于数据驱动的大飞机PDU组件故障诊断技术研究[D]. 司金航. 西安电子科技大学, 2019(02)
- [9]基于数据的旋转机械故障诊断和性能评估方法研究[D]. 梁治华. 辽宁石油化工大学, 2019(01)
- [10]基于注入法的电动汽车永磁同步电机故障诊断技术研究[D]. 黄金金. 哈尔滨工业大学, 2019(02)