本文選題：滾動(dòng)軸承　切入點(diǎn)：聲發(fā)射　出處：《沈陽(yáng)航空航天大學(xué)》2017年碩士論文

【摘要】：滾動(dòng)軸承是旋轉(zhuǎn)設(shè)備中最重要的機(jī)械組件之一,但具有易損特性,一旦發(fā)生故障會(huì)極大程度地影響整個(gè)設(shè)備的運(yùn)行安全。本文主要研究如何檢測(cè)滾動(dòng)軸承運(yùn)行過(guò)程中是否發(fā)生故障,并識(shí)別故障類型,在機(jī)械設(shè)備安全維護(hù)方面有著重要意義。實(shí)驗(yàn)所用數(shù)據(jù)來(lái)自江蘇千鵬QPZZ-II型滾動(dòng)軸承故障模擬平臺(tái),通過(guò)該平臺(tái)模擬軸承的四種運(yùn)行狀態(tài),分別是正常、滾動(dòng)體故障、外圈故障以及內(nèi)圈故障。滾動(dòng)軸承聲發(fā)射信號(hào)由SAEU2S聲發(fā)射系統(tǒng)采集。首先,研究自適應(yīng)形態(tài)濾波方法對(duì)聲發(fā)射信號(hào)進(jìn)行降噪。設(shè)計(jì)一種加權(quán)級(jí)聯(lián)形態(tài)濾波器,利用開(kāi)運(yùn)算抑制聲發(fā)射正脈沖峰值噪聲,利用閉運(yùn)算抑制聲發(fā)射負(fù)脈沖谷值噪聲;比較不同的去噪指標(biāo),引入去噪前后信號(hào)的相關(guān)性指標(biāo)作為實(shí)測(cè)聲發(fā)射信號(hào)的降噪評(píng)價(jià)指標(biāo),實(shí)現(xiàn)對(duì)形態(tài)閉開(kāi)和開(kāi)閉運(yùn)算權(quán)值的自適應(yīng)調(diào)整,完成形態(tài)濾波器的設(shè)計(jì)。對(duì)模擬聲發(fā)射信號(hào)的仿真結(jié)果表明該方法可以有效濾除信號(hào)中的脈沖噪聲。通過(guò)信噪比與相關(guān)性指標(biāo)的比較表明二者隨權(quán)值變化的趨勢(shì)一致,從而驗(yàn)證相關(guān)性指標(biāo)可以代替信噪比用于評(píng)價(jià)噪聲強(qiáng)度未知的實(shí)測(cè)信號(hào)去噪效果。其次,針對(duì)自適應(yīng)形態(tài)濾波方法在白噪聲抑制方面表現(xiàn)欠佳,將自適應(yīng)形態(tài)濾波與集合平均經(jīng)驗(yàn)?zāi)B(tài)分解(Ensemble Empirical Mode Decomposition,EEMD)進(jìn)行去噪組合。應(yīng)用EEMD對(duì)形態(tài)濾波處理后的信號(hào)進(jìn)行分解,將信號(hào)從高頻到低頻分解為有限個(gè)反映不同振動(dòng)模態(tài)的本征模態(tài)函數(shù)(IMF),從而分離出高頻干擾信號(hào)。對(duì)模擬聲發(fā)射信號(hào)的仿真和比較結(jié)果表明了組合方法的可行性與有效性。最后采用組合方法對(duì)滾動(dòng)軸承故障模擬平臺(tái)的實(shí)測(cè)聲發(fā)射信號(hào)進(jìn)行處理,并分析比對(duì)不同軸承故障狀態(tài)下的頻域特征,識(shí)別故障。實(shí)驗(yàn)結(jié)果驗(yàn)證本文方法在實(shí)測(cè)軸承信號(hào)處理中的有效性。
[Abstract]:Rolling bearing is one of the most important mechanical components in rotating equipment, but it has the characteristics of vulnerability. Once the fault occurs, the safety of the whole equipment will be greatly affected. This paper mainly studies how to detect the rolling bearing failure and identify the fault type. The data used in the experiment come from Jiangsu Qianpeng QPZZ-II rolling bearing fault simulation platform, through which the four running states of the bearing are simulated, which are normal and rolling body faults, respectively. The acoustic emission signal of rolling bearing is collected by SAEU2S acoustic emission system. Firstly, the adaptive morphological filtering method is studied to reduce the noise of acoustic emission signal. A weighted cascade morphological filter is designed. The peak noise of acoustic emission positive pulse is suppressed by open operation, the valley noise of negative pulse is suppressed by closed operation, different denoising indexes are compared, and the correlation index of signal before and after de-noising is introduced as the denoising evaluation index of measured acoustic emission signal. To realize the adaptive adjustment of the morphological closed operation and the open and close operation weight, The simulation results of simulated acoustic emission signal show that this method can effectively filter the pulse noise in the signal. The comparison of SNR and correlation index shows that the trend of the two changes with weight is consistent. It is verified that the correlation index can be used to evaluate the denoising effect of the measured signals with unknown noise intensity instead of SNR. Secondly, the adaptive morphological filtering method is not good for white noise suppression. Combining adaptive morphological filtering with set average empirical mode decomposition (Ensemble Empirical Mode Decompositiontion EEMD), the signal processed by morphological filtering is decomposed by EEMD. The signal is decomposed from high frequency to low frequency into a finite number of intrinsic mode functions reflecting different vibration modes, and the high frequency interference signals are separated. The simulation and comparison of simulated acoustic emission signals show the feasibility of the combined method. Finally, the combined method is used to process the measured acoustic emission signals of the rolling bearing fault simulation platform. The characteristics of frequency domain in different bearing fault states are analyzed and the fault is identified. The experimental results show that the proposed method is effective in the field of bearing signal processing.
【學(xué)位授予單位】：沈陽(yáng)航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TH133.33

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張文斌;楊辰龍;周曉軍;;形態(tài)濾波方法在振動(dòng)信號(hào)降噪中的應(yīng)用[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2009年11期

2 趙榮珍;王志威;;轉(zhuǎn)子振動(dòng)信號(hào)的形態(tài)濾波消噪方法[J];蘭州理工大學(xué)學(xué)報(bào);2011年04期

3 董一凡;鄭麗端;;闡述形態(tài)濾波技術(shù)及其在繼電保護(hù)中的應(yīng)用[J];黑龍江科技信息;2012年33期

4 付東翔,侯琳琳,袁武,馬軍山,陳家璧;順序形態(tài)濾波處理基因芯片圖像(英文)[J];儀器儀表學(xué)報(bào);2004年S3期

5 何清杭,何繼善;基于形態(tài)濾波的灰度圖像平滑[J];長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年02期

6 孫圣和,趙春暉;一種噪聲污染的心電信號(hào)形態(tài)濾波方法[J];儀器儀表學(xué)報(bào);1998年01期

7 張全明;劉會(huì)金;;基于廣義形態(tài)濾波的電力系統(tǒng)采樣信號(hào)處理[J];電力自動(dòng)化設(shè)備;2006年10期

8 章法強(qiáng);楊建倫;李正宏;;形態(tài)濾波在快中子圖像降噪處理中的應(yīng)用[J];核電子學(xué)與探測(cè)技術(shù);2006年06期

9 張申坤;龔瑞昆;劉忠領(lǐng);陳磊;;基于形態(tài)濾波的電視跟蹤系統(tǒng)[J];河北理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

10 呂博;張永祥;柯維;;基于遺傳算法的差值形態(tài)濾波尺度參數(shù)優(yōu)化方法研究[J];中國(guó)機(jī)械工程;2013年03期

相關(guān)會(huì)議論文 前4條

1 王慧玲;林克正;;基于形態(tài)濾波的焊縫圖像去噪方法[A];黑龍江省計(jì)算機(jī)學(xué)會(huì)2007年學(xué)術(shù)交流年會(huì)論文集[C];2007年

2 程德杰;李曉峰;李在銘;;基于形態(tài)濾波的小型掠地飛行器聚類檢測(cè)方法[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

3 李春枝;何榮建;田光明;;基于數(shù)學(xué)形態(tài)濾波的振動(dòng)信號(hào)降噪分析[A];第二十一屆全國(guó)振動(dòng)與噪聲高技術(shù)及應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

4 魏敏;周進(jìn);吳欽章;;復(fù)雜背景小目標(biāo)實(shí)時(shí)檢測(cè)技術(shù)[A];2006年全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專題）[C];2006年

相關(guān)碩士學(xué)位論文 前10條

1 聶品磊;滾動(dòng)軸承故障特征提取技術(shù)研究[D];東北石油大學(xué);2015年

2 祝福榮;相山鈾礦田大地電磁去噪技術(shù)研究[D];東華理工大學(xué);2014年

3 劉子豪;基于形態(tài)濾波和包絡(luò)分析的軸承故障診斷及其FPGA實(shí)現(xiàn)[D];燕山大學(xué);2016年

4 劉芳芳;紅外光譜用于胃內(nèi)液體成分檢測(cè)的信號(hào)處理和分析方法研究[D];重慶郵電大學(xué);2016年

5 許廿;基于自適應(yīng)形態(tài)濾波的滾動(dòng)軸承故障檢測(cè)與識(shí)別[D];沈陽(yáng)航空航天大學(xué);2017年

6 馬澤瑋;基于廣義形態(tài)濾波和集合經(jīng)驗(yàn)?zāi)B(tài)分解的齒輪箱故障診斷[D];中北大學(xué);2015年

7 張穎;基于數(shù)值形態(tài)濾波的紅外目標(biāo)檢測(cè)技術(shù)研究[D];西安電子科技大學(xué);2005年

8 李枝榮;數(shù)學(xué)形態(tài)濾波與局域均值分解在齒輪故障診斷中的應(yīng)用[D];昆明理工大學(xué);2014年

9 李明;基于自適應(yīng)形態(tài)濾波的紅外圖像目標(biāo)檢測(cè)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2008年

10 蔡曉鵬;基于最大提升格的多尺度彩色數(shù)學(xué)形態(tài)濾波[D];汕頭大學(xué);2002年

，

本文編號(hào)：1673202