發(fā)布時(shí)間：2018-05-01 03:38

  本文選題：滾動(dòng)軸承 + 故障診斷��； 參考：《石家莊鐵道大學(xué)》2016年碩士論文

【摘要】：滾動(dòng)軸承是應(yīng)用在旋轉(zhuǎn)機(jī)械中最為廣泛的零部件之一,故監(jiān)測(cè)滾動(dòng)軸承的工作狀態(tài),避免發(fā)生嚴(yán)重事故,具有重要的經(jīng)濟(jì)價(jià)值和現(xiàn)實(shí)意義。軸承故障的診斷可有效預(yù)防突發(fā)性事故的發(fā)生,是機(jī)械系統(tǒng)安全運(yùn)行的重要保證,因此,本文以滾動(dòng)軸承為研究對(duì)象,從軸承振動(dòng)信號(hào)的處理著手,針對(duì)滾動(dòng)軸承特征頻率提取的問(wèn)題,進(jìn)行了一系列的研究工作。主要內(nèi)容如下:首先,在理論分析和工程應(yīng)用的基礎(chǔ)上,系統(tǒng)闡述了此課題的研究背景及實(shí)際意義,對(duì)滾動(dòng)軸承的結(jié)構(gòu)、振動(dòng)機(jī)理、診斷方法及各方法在滾動(dòng)軸承故障特征提取中應(yīng)用的研究現(xiàn)狀、研究進(jìn)展與發(fā)展趨勢(shì)進(jìn)行了較為全面的闡述。之后根據(jù)機(jī)械故障診斷理論闡述軸承各部分故障的特征頻率的計(jì)算方法。其次,為了克服經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition,EMD)方法中模態(tài)混疊和欠包絡(luò)等缺陷,文章從頻率分離、過(guò)分割、初始化收斂和非平穩(wěn)信號(hào)的多模態(tài)等方面介紹了變分模態(tài)分解(variational mode decomposition,VMD)方法,通過(guò)仿真信號(hào)分析了VMD方法對(duì)非平穩(wěn)信號(hào)的分解效果,實(shí)驗(yàn)證明,對(duì)于非平穩(wěn)信號(hào),VMD算法能很好的完成頻率分離,克服模態(tài)混疊。再次,針對(duì)滾動(dòng)軸承早期故障振動(dòng)信號(hào)信噪比低、故障特征提取困難的問(wèn)題,文章提出了基于變分模態(tài)分解和Teager能量算子的滾動(dòng)軸承故障提取方法。首先對(duì)故障信號(hào)進(jìn)行VMD分解,得到若干本征模態(tài)(intrinsic mode function,IMF)分量;其次,通過(guò)峭度準(zhǔn)則選取前兩個(gè)峭度最大的分量進(jìn)行重構(gòu),對(duì)重構(gòu)信號(hào)進(jìn)行Teager能量算子解調(diào),得到信號(hào)的Teager能量譜。將該方法應(yīng)用到滾動(dòng)軸承仿真故障數(shù)據(jù)和實(shí)際數(shù)據(jù)中,結(jié)果表明,該方法提高了信號(hào)的分解效率,降低了噪聲的影響,能夠?qū)崿F(xiàn)滾動(dòng)軸承故障的精確診斷,證明了該方法的有效性。最后,針對(duì)滾動(dòng)軸承故障振動(dòng)信號(hào)的非平穩(wěn)特征和難以獲得大量典型故障樣本的實(shí)際情況,提出了基于變分模態(tài)分解排列熵和支持向量機(jī)(support vector machine,SVM)的滾動(dòng)軸承故障診斷方法。該方法首先對(duì)故障信號(hào)進(jìn)行VMD分解,得到若干IMF分量;求解包含有主要故障信息的IMF分量的排列熵,取各分量的排列熵組成特征向量,最后將其作為SVM的輸入來(lái)實(shí)現(xiàn)滾動(dòng)軸承的故障分類。將該方法應(yīng)用到滾動(dòng)軸承振動(dòng)信號(hào)故障診斷中,結(jié)果表明,該方法能夠?qū)崿F(xiàn)滾動(dòng)軸承故障的精確診斷,證明了該方法的有效性和可行性。
[Abstract]:Rolling bearing is one of the most widely used parts in rotating machinery, so it is of great economic value and practical significance to monitor the working condition of rolling bearing and avoid serious accidents. The diagnosis of bearing fault can effectively prevent the occurrence of sudden accident and is an important guarantee for the safe operation of mechanical system. Therefore, this paper takes the rolling bearing as the research object and starts with the processing of bearing vibration signal. Aiming at the problem of feature frequency extraction of rolling bearing, a series of research work was carried out. The main contents are as follows: firstly, on the basis of theoretical analysis and engineering application, the research background and practical significance of this subject, the structure and vibration mechanism of rolling bearings are systematically expounded. The research status, research progress and development trend of fault feature extraction of rolling bearing are discussed in detail. Then, according to the theory of mechanical fault diagnosis, the calculation method of characteristic frequency of each part of bearing fault is expounded. Secondly, in order to overcome the defects of the empirical mode decomposition (EMD) method, such as modal aliasing and underenvelope, this paper introduces the variational mode decomposition (VMD) method from the aspects of frequency separation, over-segmentation, initialization convergence and multimodal of non-stationary signals. The decomposition effect of VMD method to non-stationary signal is analyzed by simulation signal. Experiments show that the algorithm can achieve frequency separation and overcome modal aliasing. Thirdly, aiming at the problem of low signal-to-noise ratio (SNR) of early fault vibration signal and difficulty of fault feature extraction, a fault extraction method based on variational mode decomposition (VMD) and Teager energy operator is proposed in this paper. Firstly, the fault signal is decomposed by VMD, and some intrinsic mode intrinsics mode function IMF components are obtained. Secondly, the first two largest kurtosis components are selected to reconstruct the reconstructed signal, and the Teager energy operator is used to demodulate the reconstructed signal. The Teager energy spectrum of the signal is obtained. The method is applied to the rolling bearing simulation fault data and the actual data. The results show that the method improves the signal decomposition efficiency, reduces the influence of noise, and can realize the accurate diagnosis of rolling bearing fault. The effectiveness of the method is proved. Finally, a fault diagnosis method for rolling bearing based on variational mode decomposition permutation entropy and support vector machine (SVM) is presented in view of the non-stationary characteristics of rolling bearing fault vibration signal and the fact that it is difficult to obtain a large number of typical fault samples. The method firstly decomposes the fault signal by VMD, obtains some IMF components, solves the permutation entropy of the IMF component containing the main fault information, and takes the permutation entropy of each component to form the eigenvector. Finally, it is used as the input of SVM to realize the fault classification of rolling bearing. The method is applied to the fault diagnosis of rolling bearing vibration signal. The results show that the method can accurately diagnose the rolling bearing fault, and proves the effectiveness and feasibility of the method.
【學(xué)位授予單位】：石家莊鐵道大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TH133.33

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張益純,劉振娟;滾動(dòng)軸承故障分析探討[J];內(nèi)燃機(jī)配件;2000年03期

2 秦愷,陳進(jìn),姜鳴,陳春梅;一種滾動(dòng)軸承故障特征提取的新方法——譜相關(guān)密度[J];振動(dòng)與沖擊;2001年01期

3 鄧長(zhǎng)春;;聲發(fā)射法在滾動(dòng)軸承故障識(shí)別中的應(yīng)用[J];試驗(yàn)技術(shù)與試驗(yàn)機(jī);2002年Z2期

4 任昭蓉;滾動(dòng)軸承故障的小波診斷法[J];機(jī)械制造與自動(dòng)化;2004年06期

5 陸爽,田野;滾動(dòng)軸承故障特征識(shí)別的時(shí)頻分析研究[J];機(jī)床與液壓;2005年06期

6 江涌;基于余弦調(diào)頻小波變換的滾動(dòng)軸承故障研究[J];機(jī)械設(shè)計(jì)與制造;2005年06期

7 程光友;;時(shí)域指標(biāo)在滾動(dòng)軸承故障診斷中的應(yīng)用[J];中國(guó)設(shè)備工程;2005年12期

8 陳洪軍;趙新澤;王延軍;;滾動(dòng)軸承故障試驗(yàn)臺(tái)的理論建模分析[J];四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2005年04期

9 李崇晟;滾動(dòng)軸承故障的非線性診斷方法[J];軸承;2005年05期

10 趙春華;嚴(yán)新平;趙新澤;袁成清;高虹亮;;滾動(dòng)軸承故障的可拓物元診斷方法[J];潤(rùn)滑與密封;2006年04期

相關(guān)會(huì)議論文 前10條

1 張益純;;常見(jiàn)滾動(dòng)軸承故障診斷的技術(shù)探討[A];第十屆全國(guó)設(shè)備監(jiān)測(cè)與診斷技術(shù)學(xué)術(shù)會(huì)議論文集[C];2000年

2 劉玉林;;貨車(chē)滾動(dòng)軸承故障不分解診斷技術(shù)參數(shù)選擇與優(yōu)化探討[A];擴(kuò)大鐵路對(duì)外開(kāi)放、確保重點(diǎn)物資運(yùn)輸——中國(guó)科協(xié)2005年學(xué)術(shù)年會(huì)鐵道分會(huì)場(chǎng)暨中國(guó)鐵道學(xué)會(huì)學(xué)術(shù)年會(huì)和粵海通道運(yùn)營(yíng)管理學(xué)術(shù)研討會(huì)論文集[C];2005年

3 楊積忠;左立建;;滾動(dòng)軸承故障診斷實(shí)例[A];設(shè)備監(jiān)測(cè)與診斷技術(shù)及其應(yīng)用——第十二屆全國(guó)設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集[C];2005年

4 何斌;戚佳杰;;小波分析在滾動(dòng)軸承故障診斷中的應(yīng)用研究[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文摘要集[C];2007年

5 李放寧;;峰值能量在滾動(dòng)軸承故障診斷中的應(yīng)用[A];第十屆全國(guó)設(shè)備監(jiān)測(cè)與診斷技術(shù)學(xué)術(shù)會(huì)議論文集[C];2000年

6 何斌;戚佳杰;;小波分析在滾動(dòng)軸承故障診斷中的應(yīng)用研究[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

7 張九軍;;常見(jiàn)滾動(dòng)軸承故障的簡(jiǎn)易診斷[A];2008年全國(guó)煉鐵生產(chǎn)技術(shù)會(huì)議暨煉鐵年會(huì)文集（上冊(cè)）[C];2008年

8 李興林;;滾動(dòng)軸承故障診斷技術(shù)現(xiàn)狀及發(fā)展[A];2009年全國(guó)青年摩擦學(xué)學(xué)術(shù)會(huì)議論文集[C];2009年

9 唐海峰;陳進(jìn);董廣明;;信號(hào)稀疏分解方法在滾動(dòng)軸承故障診斷中的應(yīng)用[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

10 高耀智;;高階統(tǒng)計(jì)量與小波分析相結(jié)合在滾動(dòng)軸承故障診斷中的應(yīng)用[A];2009年全國(guó)青年摩擦學(xué)學(xué)術(shù)會(huì)議論文集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 郝騰飛;航空發(fā)動(dòng)機(jī)滾動(dòng)軸承故障的核方法智能識(shí)別技術(shù)研究[D];南京航空航天大學(xué);2014年

2 廖強(qiáng);約束獨(dú)立分量和多小波分析在滾動(dòng)軸承故障診斷中的應(yīng)用[D];電子科技大學(xué);2016年

3 曾鳴;基于凸包的模式識(shí)別方法及其在滾動(dòng)軸承故障診斷中的應(yīng)用[D];湖南大學(xué);2016年

4 于江林;滾動(dòng)軸承故障的非接觸聲學(xué)檢測(cè)信號(hào)特性及重構(gòu)技術(shù)研究[D];大慶石油學(xué)院;2009年

5 楊柳松;基于小波分析與神經(jīng)網(wǎng)絡(luò)滾動(dòng)軸承故障診斷方法的研究[D];東北林業(yè)大學(xué);2013年

6 從飛云;基于滑移向量序列奇異值分解的滾動(dòng)軸承故障診斷研究[D];上海交通大學(xué);2012年

7 趙協(xié)廣;基于小波變換和經(jīng)驗(yàn)?zāi)B(tài)分解的滾動(dòng)軸承故障診斷方法研究[D];山東科技大學(xué);2009年

8 侯者非;強(qiáng)噪聲背景下滾動(dòng)軸承故障診斷的關(guān)鍵技術(shù)研究[D];武漢理工大學(xué);2010年

9 郭艷平;面向風(fēng)力發(fā)電機(jī)組齒輪箱滾動(dòng)軸承故障診斷的理論與方法研究[D];浙江大學(xué);2012年

10 孟濤;齒輪與滾動(dòng)軸承故障的振動(dòng)分析與診斷[D];西北工業(yè)大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 李玉奎;基于非平穩(wěn)信號(hào)分析的滾動(dòng)軸承故障診斷研究[D];燕山大學(xué);2015年

2 卜勇霞;基于時(shí)頻分析方法的滾動(dòng)軸承故障診斷研究[D];昆明理工大學(xué);2015年

3 馬寶;基于KICA和LSSVM的滾動(dòng)軸承故障監(jiān)測(cè)及診斷方法[D];昆明理工大學(xué);2015年

4 王德麗;基于改進(jìn)HHT與SVM的滾動(dòng)軸承故障診斷方法研究[D];北京交通大學(xué);2016年

5 邵海賀;基于EEMD和最小二乘支持向量機(jī)的滾動(dòng)軸承故障診斷方法研究[D];長(zhǎng)春工業(yè)大學(xué);2016年

6 張磊;滾動(dòng)軸承故障程度和工況不敏感智能診斷方法研究[D];華東交通大學(xué);2016年

7 胡猛;基于局部均值分解的滾動(dòng)軸承故障診斷方法研究[D];燕山大學(xué);2016年

8 蘇翠嬌;AMD和EMD方法在滾動(dòng)軸承故障診斷中的應(yīng)用研究[D];燕山大學(xué);2016年

9 王騰超;基于振動(dòng)監(jiān)測(cè)的風(fēng)電機(jī)組滾動(dòng)軸承故障診斷應(yīng)用研究[D];燕山大學(xué);2016年

10 李亞超;基于VMD的滾動(dòng)軸承故障診斷方法研究[D];石家莊鐵道大學(xué);2016年

，

本文編號(hào)：1827596