1、基于时频分析与智能算法的滚动轴承 智能诊断方法 导 师： XXX 教授 答辩人： XXX 止于至善 日新其德 目录 第一章 绪论 第二章 基于 WVD和 BP神经网络的智能诊断 第三章 基于 S变换和 LPP的智能诊断方法 第四章 变载荷工况下的滚动轴承智能诊断方法 第五章 总结与展望 本课题来源于国家自然科学基金青年科学基金项目 “完全自适应第二代小波及在循环冲击类故障特征提取中的应用” 课题来源 进行滚动轴承智能诊断方法研究具备 理论和工程实际意义 一、保障设备可以健康、高效地运行，避免人力和物力遭受损失 二、减少人工主观性影响 课题意义 课题背景 滚动轴承故障诊断发展概冴 滚动轴承的故障
2、诊断研究起源于 1962年；随着对FFT技术研究的深入，各类频谱分析方法在轴承状态监测与故障诊断领域发挥了巨大作用； “共振解调技术”的发展，使更进一步诊断滚动轴承故障的严重程度及位置； 20世纪 80年代以后，计算机技术迅猛发展，出现滚动轴承在线监测与故障诊断系统。 智能故障诊断方法的研究现状 故障诊断 人工诊断 智能诊断 以计算机智能软件为载体来 进行现代设备的故障诊断 数据依赖人工分析，可靠性差， 主观性影响最终的诊断结果 目前基于人工智能的诊断方法和基于计算智能的诊断方法 已经广泛应用于智能诊断领域 所谓智能诊断就是以计算机智能软件系统为载体来实现设备故障的自动诊断，包括信号采集、特征
3、提取和模式识别等步骤。 故障特征提取是机械设备诊断中的关键 ,也是最困难的问题之一 ,直接决定着诊断的准确性和预报的可靠性。根据变换域的不同，振动信号特征提取可以在时域、频域以及时频域等进行。 时域特征提取方法 均 值绝 对 平 均 值最 大 值时 域 统 计 指 标均 值绝 对 平 均 值最 大 值均 方 根 值方 根 幅 值歪 度峭 度波 形 指 标峰 值 指 标脉 冲 指 标裕 度 指 标峭 度 指 标有 量 纲 时 域 参 数无 量 纲 时 域 参 数细化谱分析 幅值谱分析 高阶谱分析 包络谱分析 功率谱分析 倒频谱分析 频域分析法 频域特征提取方法 上述时域、频域特征提取方法均只能分别在时域或者频域获取特征信息，而不能同时兼顾时域和频域的特征，不满足时频分析。因此，时频分析方法近年来在故障诊断领域获得了广泛关注。 WIGNER-VILLE分布的定义 定义：可以看作信号能量在联合的时间和频率域中的分布，是分析非平稳信号的重要工具。 基于 WVD和 BP神经网络的智能诊断 奇异值分解的定义 定义：是线性代数中一种重要的矩阵分解，是矩阵分析中正规矩阵酉对角化的推广。 基于 WVD和 BP神经网络的智能诊断
