總體經驗模態分解法(EEMD)結合自回歸(AR)模型在旋轉機械之元件鬆脫故障診斷之應用

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：139

、訪客IP：18.222.69.152

姓名

洪暉程(Huei-Cheng Hong) 查詢紙本館藏

畢業系所

光機電工程研究所

論文名稱

總體經驗模態分解法(EEMD)結合自回歸(AR)模型在旋轉機械之元件鬆脫故障診斷之應用
(Applications of Ensemble Empirical Mode Decomposition (EEMD) and Auto-Regressive (AR) Model for Diagnosing Looseness Faults of Rotating Machinery)

相關論文

★ 氣動馬達之單軸平台定位控制	★ 運用MRAC及模糊法則於氣動馬達FPGA控制器之研發
★ 球型變焦鏡頭之研究	★ 影像式多目標模擬器製作與平行光顯像系統設計
★ 連續式微電鍍之影像處理方法	★ 硬體迴路測試系統建構與驗證
★ 即時影像引導連續式微電鍍之立體微結構製作研究	★ 公共環境下人員追蹤影像方法研究
★ 燃料電池氫氣進料控制之研究	★ 形狀記憶合金對焦系統之基因演算法及模糊控制法則
★ 公共空間光源亮度模糊控制法則之研究	★ 立方衛星無線通訊系統開發
★ 多重訊號同步擷取裝置整合研究	★ 應用希爾伯特黃變換(HHT)之邊際譜分析於旋轉機械的元件鬆脫故障診斷
★ 超音波聚焦噴墨之能量驅動與分析研究	★ 使用適應性光學模組之金屬表面粗糙度量測系統

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

後處理總體經驗模態分解法可將旋轉機械振動訊號分解成數個無模態混雜的內稟模態函數，運算後的基底波形對稱，符合原始內稟模態函數的要求。對訊號建立自回歸模型則可以對訊號波形的未來發展進行預測，其係數凝聚了系統特質。
本論文結合後處理總體經驗模態分解法與自回歸模型為旋轉機械作出故障診斷。以自相關係數為輔助，針對後處理總體經驗模態分解法得到的內稟模態函數作出分析，挑選有意義的內稟模態函數時域波形建立自回歸模型，取其係數作為鬆動故障診斷之依據，並得到良好的診斷效果。

摘要(英)

Post processing of Ensemble Empirical Mode Decomposition (EEMD) can be utilized to decompose the vibration signals of rotating machinery into finite number of Intrinsic Mode Functions (IMFs) without mode mixing problem. The basis of the post processing of EEMD will satisfy the well-defined conditions of IMF. The Autoregressive (AR) model of information-contained IMFs can be used to predict the unmeasured vibration signal, and the coefficients of AR model represent the feature of systematic dynamic behavior.
In this paper, the post-processing of EEMD combining the AR model is proposed for diagnosing the looseness faults at different conponents of rotating machinery. The information-contained IMFs are selected to build the AR model. The looseness types are identified by analyzing the coefficients of AR model. The effectiveness of the proposed method is validated through the analysis of the experimental data.

關鍵字(中)

★ 後處理總體經驗模態分解法
★ 重要性測試
★ 自回歸模型
★ 自相關函數
★ 故障診斷
★ 希爾伯特黃轉換
★ 總體經驗模態分解法
★ 經驗模態分解法

關鍵字(英)

★ Fault Diagnosing
★ EMD
★ HHT
★ Auto-Regressive
★ ACF
★ AR model
★ Significance test
★ post-processing of EEMD
★ EEMD

論文目次

中文提要 ……………………………………………………………… i
英文提要 ……………………………………………………………… ii
誌謝 ……………………………………………………………… iii
目錄 ……………………………………………………………… iv
圖目錄 ……………………………………………………………… v
表目錄 ……………………………………………………………… x
第一章緒論………………………………………………………… 1
1.1 前言………………………………………………………… 1
1.2 研究動機…………………………………………………… 3
1.3 文獻回顧…………………………………………………… 4
1.4 研究內容與大綱…………………………………………… 8
第二章 HHT理論基礎……………………………………………… 10
2.1 希爾伯特黃轉換(Hilbert-Huang Transform, HHT)………… 10
2.2 經驗模態分解法(Empirical Mode Decomposition, EMD)… 11
2.3 總體經驗模態分解法(Ensemble EMD,EEMD)與後處理總
體經驗模態分解法(post-processing of EEMD) …………… 19
2.4 Hilbert轉換………………………………………………… 25
2.5 Significance test…………………………………………… 27
2.6 HHT之特性………………………………………………… 29
第三章時間序列分析概說………………………………………… 31
3.1 自回歸模型(Autoregressive model ,AR model)…………… 31
3.2 自相關函數(Autocorrelation Function, ACF)……………… 38
第四章實驗架構及實驗方法……………………………………… 41
4.1 實驗說明…………………………………………………… 41
4.2 指標………………………………………………………… 45
第五章資料性質分析及故障診斷實例…………………………… 47
5.1 正弦模擬訊號……………………………………………… 47
5.2 振動訊號1…………………………………………………… 51
5.3 振動訊號2…………………………………………………… 57
5.4 振幅調製現象之觀察……………………………………… 68
5.5 IMF性質之分析…………………………………………… 73
5.6 故障診斷實例……………………………………………… 85
第六章結論與未來研究…………………………………………… 91
參考文獻 93

參考文獻

Chen, H, G., Yan, Y. J. and Jiang, J. S., (2007), “Vibration-based damage detection in composite wingbox structures by HHT,” Mechanical Systems and Signal Processing, Vol. 21, pp. 307–321.
Cheng, J., Yu, D. and Yang, Y., (2006), “A fault diagnosis approach for roller bearings based on EMD method and AR model,” Mechanical Systems and Signal Processing, Vol. 20, pp. 350–362.
Flandrin, P., Rilling, G. and Gon?calv`es, P., (2004), “Empirical mode decomposition as a filterbank,” IEEE Signal Processing Letters, Vol. 11, pp. 112–114.
Huang, N. E., (2008), Class note of “Introduction to HHT”, Research Center for Adaptive Data Analysis, National Central University, Web site: http://rcada.ncu.edu.tw/
Huang, N. E., Shen, Z., Long, S. R., Wu, M., Shih, H. H., Zheng, Q., Yen, N. C., Tung, C. C. and Liu, H. H., (1998), “The empirical mode decomposition and Hilbert spectrum for nonlinear and non-stationary time series analysis,” Proceedings of the Royal Society A, Vol. 454, pp. 903–995.
Huang, N. E., Shen, Z., Long, S. R., (1999), “A new view of nonlinear water waves: the Hilbert spectrum,” Annual Review of Fluid Mechanics, Vol. 31, pp. 417–457.
Huang, N. E., Wu, Z., Long, S. R., Arnold, K., C, Chen, X. and Blank, K., (2009), “On instantaneous frequency,” Advances in Adaptive Data Analysis, Vol. 1, No. 2, pp. 177–229.
Wu, T. Y., Chung, Y. L. and Huang, K. H., (2008), “EEMD Based technique for Identifying Looseness of Rotating Machinery through Analyzing Marginal Hilbert Spectrum,” The 32nd National Conference on Theoretical and Applied Mechanics, H018.
Wu, Z. and Huang, N. E., (2004), “A study of the characteristics of white noise using the Empirical Mode Decomposition method,” Proceedings of the Royal Society A, Vol. 460, pp. 1597–1611.
Wu, Z. and Huang, N. E., (2005), “Ensemble empirical mode decomposition: A noise-assisted data analysis method,” Center for Ocean-Land-Atmosphere Studies, Technical Report series, Vol. 193, No.173.
Wu, Z. and Huang, N. E., (2009), “Ensemble Empirical Mode Decomposition: a noise-assisted data analysis method,” Advances in Adaptive Data Analysis, Vol. 1, No. 1, pp. 1–41.
Yang, Y., Yu, D. and Cheng, J., (2007), “A fault diagnosis approach for roller bearing based on IMF envelope spectrum and SVM,” Measurement, Vol. 40, pp. 943–950.
Yu, D., Cheng, J. and Yang, Y., (2005), “Application of EMD method and Hilbert spectrum to the fault diagnosis of roller bearings,” Mechanical Systems and Signal Processing, Vol. 19, pp. 259–270.
于德介、程軍聖、楊宇編(2006)，機械故障診斷的Hilbert-Huang變換方法，科學出版社。
吳柏林(1995)，時間序列分析導論，華泰書局。
張善文、雷英傑、馮有前(2007)，MATLAB在時間序列分析中的應用，西安電子科技大學出版社。
虞和濟(1989)，故障診斷之基本原理，冶金工業出版社。

指導教授

黃衍任、吳天堯
(Yean-ren Hwang、Tian-yau Wu)

審核日期

2009-7-22

推文