基于LMD和HSMM的旋转机械故障诊断方法研究-测试计量技术及仪器专业论文.docxVIP

西南交通大学硕士学位论文主要工作(贡献)声明 本人在学位论文中所做的主要工作或贡献如下： l、分析进行旋转机械故障诊断的背景和意义，研究旋转机械故障诊断技术的发展 概况，针对传统的旋转机械故障诊断中信号分析与处理方法的不足，将较新的时频分 析方法一局部均值分解(LMD)引入到旋转机械的状态监测与故障诊断中，研究其 基本理论与算法，并将其与其它时频分析方法进行对比，验证其优越性。 2、研究小波包降噪技术，分析其降噪性能，并将其与小波降噪进行对比，通过仿 真分析，突出其优越性；提出一种基于小波包降噪与LMD分解相结合的特征提取方法， 成功提取出了实际信号不同状态的有效特征，验证了该方法的有效性。 3、掌握隐半马尔科夫模型(HSMM)的基本理论与算法，研究其模型参数初始化 问题并进行改进，在分析HSMM用于旋转机械故障诊断的可行性的基础上，提出基于 改进HSMM的状态监测与故障诊断方法。 4、最后采用小波包降噪、LMD分解和HSMM相结合的方法，实现了滚动轴承故 障诊断和机械密封端面膜厚状态识别，证实了利用LMD和HSMM方法相结合进行旋 转机械故障诊断的有效性和准确性，并将其与BP神经网络的识别效果进行了对比，进 一步说明了该方法的优越性。 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成 果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或