基于边界Fisher分析的滚动轴承故障状态识别方法研究开题报告

1. 本选题研究的目的及意义

滚动轴承作为旋转机械设备中的关键部件，其运行状态直接关系到整个设备的安全和稳定性。

因此，对滚动轴承进行有效的故障诊断，及时发现并排除故障隐患，对于保障设备安全运行、提高生产效率、降低维护成本具有十分重要的意义。

本选题旨在研究基于边界fisher分析的滚动轴承故障状态识别方法，探索如何利用边界fisher分析方法提取有效的故障特征，并构建高精度的故障识别模型，为滚动轴承故障诊断提供一种新的思路和方法。

2. 本选题国内外研究状况综述

滚动轴承故障诊断一直是国内外学者研究的热点和难点问题。

近年来，随着信号处理技术、人工智能技术的发展，滚动轴承故障诊断技术取得了显著进展。

1. 国内研究现状

3. 本选题研究的主要内容及写作提纲

本选题主要内容包括以下几个方面：1.深入研究滚动轴承的振动机理和故障特征，分析不同故障类型和不同工况下的振动信号特征，为后续的特征提取和故障识别奠定基础。

2.研究基于经验模态分解的特征提取方法，利用经验模态分解对滚动轴承非平稳振动信号进行自适应分解，获取包含丰富故障信息的固有模态函数，并提取敏感的故障特征。

3.深入研究边界fisher分析方法的原理和实现方法，分析其在高维数据降维、特征提取方面的优势，并针对滚动轴承故障诊断的特点进行优化改进。

4. 研究的方法与步骤

本研究将采用理论分析、数值仿真和实验验证相结合的方法，具体步骤如下：1.文献调研阶段：查阅国内外相关文献，了解滚动轴承故障诊断的研究现状、发展趋势以及边界fisher分析方法的理论基础、应用现状等。

2.理论分析阶段：深入研究滚动轴承的振动机理和故障特征，分析不同故障类型和不同工况下的振动信号特征，为后续的特征提取和故障识别奠定基础。

3.算法研究阶段：研究基于经验模态分解的特征提取方法，利用经验模态分解对滚动轴承非平稳振动信号进行自适应分解，获取包含丰富故障信息的固有模态函数，并提取敏感的故障特征。

5. 研究的创新点

本研究的创新点主要体现在以下几个方面：1.提出了一种基于经验模态分解和边界fisher分析的滚动轴承故障特征提取方法。

该方法结合了经验模态分解和边界fisher分析的优点，能够有效提取滚动轴承故障特征，提高故障诊断的精度。

2.构建了一种基于边界fisher分析的滚动轴承故障状态识别模型。

6. 计划与进度安排

第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。

第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲

第三阶段（2024.2~2024.3）查询资料，学习相关论文

7. 参考文献（20个中文5个英文）

[1] 程军圣,王晓龙,丁宁. 基于改进形态特征提取和svm的滚动轴承故障诊断[j]. 振动与冲击,2021,40(15):192-198.

[2] 李超,王宏,赵志宏. 基于改进特征加权模糊c均值聚类的滚动轴承故障诊断[j]. 机械工程学报,2021,57(17):162-172.

[3] 张西宁,屈梁生,颜世玉,等. 基于vmd和多尺度排列熵的滚动轴承故障诊断方法研究[j]. 振动与冲击,2020,39(12):175-181 245.