原创《基于小子样理论的滚动轴承故障检测》
本文是滚动轴承方面有关电大毕业论文范文跟滚动轴承和故障检测和小子样理论有关电大毕业论文范文。
摘 要：本文将Bootstrap方法引入到小子样场合下母体百分位值置信区间的计算中,并针对滚动轴承这一常见装备故障,运用实例验证,利用故障出现的参数区间判断故障种类.
关键词：小子样统计；置信区间；Bootstrap方法
滚动轴承是旋转机械中使用广泛的一种通用机械部件.它在旋转机械这中起着非常重要的作用,它的运行状态是否正常往往直接影响到整台设备的动态性能.而由于滚动轴承运动的特殊性导致其发生故障是极为常见和不可避免的.因此滚动轴承的故障诊断尤其重要
相关实验结果说明了当无故障时,轴承的能量大部分汇集在在低频段；然而当出现故障的情况,故障所导致的冲击力或摩擦力会激发起轴承出现相对高频的振动,能量会逐步转移到中频段及高频段.所以使用频带中低频之间能量的比值可以诊断出轴承的故障种类[1].
三、应用实例
无故障的轴承的能量大部分汇集在在低频段,但出现故障的时,故障所导致的冲击力或摩擦力会激发起轴承出现相对高频的振动,能量会逐步转移到中频段及高频段[3].所以使用频带中低频之间能量的比值可以诊断出轴承的故障种类.
现对故障进行分类：A 无故障； B 外圈剥落；C 外圈磨损；D 内外圈多处剥落；E 间隙过大使用.
对数据进行处理,以达到使用少量数据准确判断发生故障种类对应的温度参数区间的目的.首先对无故障类数据进行1000 重抽样并绘制直方图如图1 所示.
重抽样的数据大致符合正态分布的特点,由于bootstrap 方法的对于数据特征有很好的保留特征,不难得出该样本数据符合正态分布.
第二对重抽样样本排序,并用百分位法求无故障类均值及其在95％置信度下的置信区间,当温度相关参数位于该范围内,判断出现无故障类.
第三,绘制相应的直方图.
应用matlab 进行1000 次Bootstrap 重采样得到A,B,C,D,95％置信度下的置信区间.
从以上分析结果可以看出不同的故障之间的均值及其置信区间是不同的,可以判断轴承存在何种故障.
四、结语
本文基于小子样的装备故障诊断的方法,以滚动轴承故障为例,应用Bootstrap 方法对数据重新抽样并计算母体百分位值置信下限,通过计算置信区间判断轴承的故障类型.
滚动轴承论文参考资料：
综上资料,本文是一篇关于滚动轴承和故障检测和小子样理论方面的滚动轴承论文题目、论文提纲、滚动轴承论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
