基于多元经验模式分解的轴承故障特征提取方法的研究任务书

 2021-08-20 22:53:14

1. 毕业设计(论文)主要内容:

滚动轴承是电力、冶金、石化、机械、航空航天以及一些军事工业部门中使用最广泛的机械零件,也是机械设备最易受损的零件之一,约有30%的机械故障是由滚动轴承引起的。因此对滚动轴承故障特征的提取方法的研究具有很大的研究前景。多元经验模式分解方法作为信号处理中极具潜力的分析工具,一方面不受信号时频相互交叠影响;另一方面,不会丢失源信号中的特征信息,从而有效实现多混叠信号的分离,是机械故障诊断领域中的一种新兴方法。本题目首先对轴承振动信号采用时域特征,频域特征、时频域特征等信号特征的提取方法进行故障特征的提取,然后基于多元经验模式分解的算法进行故障特征的提取,并将其与未使用多元经验模式分解方法的特征提取进行对比。

2. 毕业设计(论文)主要任务及要求

设计内容:

1.研究滚动轴承的工作机理,了解轴承的基本结构以及相应的振动机理。研究滚动轴承的不同故障类型以及目前对不同类型故障所采用的特征提取方法以及相应特征量的计算;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 毕业设计(论文)完成任务的计划与安排

1.第1-3周 完成题目调研,完成文献阅读,进行相关资料的收集,完成文献综述以及开题报告的撰写;

2.第4-7周 学习并掌握多元经验模式分解的基本理论知识,完成多元经验模式分解方法在MATLAB中程序编写;

3.第8-11周 采用实现了的多元经验模式分解方法,完成仿真信号进行算法正确性的验证

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 主要参考文献

[1].Tsao W.C., Li Y.F., Le D.D.. An insight concept toselect appropriate IMFs for envelope analysis of bearing fault diagnosis[J].Measurement,2012,45:1489-1498.

[2].Kankar P.K., Sharma S.C.. Rolling element bearingfault diagnosis using wavelet transform[J]. Nerocomputing, 2011,74:1638-1645.

[3].俞培松.滚动轴承振动故障诊断技术的研究及其实际应用[D]. 上海: 同济大学,2007.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文任务书,课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。