1. 研究目的与意义（文献综述）

在现代工业社会中，各种各样的发电机、电动机、发动机等含有转子的机器是汽车行业、电力系统等各行各业的关键设备，一旦发生故障将会给我们带来巨大的经济损失以及严重的人员伤亡，因此研究转轴的旋转状态并对其进行监测对于设备的运行状态与故障诊断具有重大意义。

而轴心轨迹就是指这些设备中的转轴在绕中心点旋转时的运动轨迹图。

现在，传统的轴心轨迹识别方法主要依靠人工识别，没有一定的识别标准，识别结果全由技术工人的经验决定，不仅识别效率低，识别的精度也很难保证。

2. 研究的基本内容与方案

在正常情况下，轴心轨迹应该是一个较为稳定的、长短轴相差不大的椭圆；不对中时，轴心轨迹为月牙状、香蕉状，严重时为8字形；发生摩擦时，会出现多处锯齿状尖角或小环；轴承间隙或刚度差异过大时，为一个很扁的椭圆；可倾瓦瓦块安装间隙相互偏差较大时，会出现明显的凹凸状。

另外，如果轴心轨迹的形状及大小的重复性好，则表明转子的涡动是稳定的；否则就是不稳定的。

转子发生亚异步自激振动时，其轴心轨迹往往很不稳定，不仅形状和大小时刻在发生较大的变化，而且还会出现大圈套小圈的情况。

3. 研究计划与安排

1-3周：查阅文献，完成开题报告
4-6周：总体设计，完成论文综述
7-10周：设计算法，功能模块设计
11-13周：编码和测试
14-15周：写论文，提交初稿，给老师检查，修改定稿，答辩。

4. 参考文献（12篇以上）

[1]付波,周建中,陈文清,et al.一种基于傅里叶描述子的轴心轨迹自动识别方法[J].电力系统自动化,2004,28(12):40-44.
[2]张英锋,马彪,张金乐,陈漫,范昱珩,李文昌.基于光谱分析和SVM的综合传动故障诊断研究[J].光谱学与光谱分析,2010,30(06):1586-1590.
[3]邵杰.转子系统轴心轨迹特征提取与自动识别研究[D].太原理工大学,2018.
[4]孙慧芳,潘罗平,张飞,曹登峰.旋转机械轴心轨迹识别方法综述[J].中国水利水电科学研究院学报,2014,12(01):86-92.
[5]丁世飞.支持向量机理论与算法研究综述[J]. 电子科技大学学报, 2011, 40(1):2-10.
[6]李添钰.分析水轮发电机组轴心轨迹自动识别方法[J].居舍,2018(11):168.
[7]胥佳瑞.转子轴心轨迹的提纯、特征提取与自动识别研究[D].华北电力大学,2017.
[8]李亚东.旋转机械轴心轨迹特征提取与识别研究[D].陕西理工学院,2016.
[9]彭兵,程建,曹长冲,尹永珍,司汉松.支持向量机在水力发电机组轴心轨迹自动识别中的应用研究[J].水电与新能源,2016(02):11-15.
[10]陶永进,刘炜杰.水轮发电机组轴心轨迹自动识别方法研究[J].科技创业家,2014(06):116.
[11]陈松,龚雪,陈金兰.轴心轨迹特征量提取与识别方法研究[J].安徽建筑工业学院学报(自然科学版),2013,21(04):53-56.
[12]祝晓燕,常宏飞,朱霄珣,卢盛阳.基于SVM与轴心轨迹不变矩的转子状态识别方法[J].汽轮机技术,2012,54(06):469-472 414.
[13]王俨剀,廖明夫,吴斌.基于傅立叶描述子自动识别轴心轨迹[J].机械科学与技术,2008(06):799-803.
[14]翁桂荣,薛峰.几种特征描述方法在轴心轨迹识别中的应用[J].振动、测试与诊断,2007(04):295-299 340.
[15]江志农,李艳妮.旋转机械轴心轨迹特征提取技术研究[J].振动、测试与诊断,2007(02):98-101 168.
[16]陈豫.轴心轨迹提纯与自动识别的研究[J].武汉理工大学学报(交通科学与工程版),2003(06):878-881.
[17]Yan-Ting AI, Chao-Long C, Jing T, et al. SVM diagnosis method of rotor vibration faults based on integration of information exergy[J]. Journal of Aerospace Power, 2014, 29(10):2464-2470.
[18]Morlier J, Bergh M, Mevel L. Modeshapes Recognition Using Fourier Descriptors: A Simple SHM Example[M]// Topics in Modal Analysis II, Volume 6. Springer New York, 2012.
[19]Williams K, Munkvold J, Sorrells M. Comparison of digital image analysis using elliptic Fourier descriptors and major dimensions to phenotype seed shape in hexaploid wheat(Triticum aestivum L.)[J]. Euphytica, 2013, 190(1):99-116.