【摘要】：滾動軸承作為旋轉機械的關鍵部件,其健康狀態(tài)是決定機械安全運行的重要因素之一。在很多工程實際中,軸承通常處于一定范圍內的轉速波動中,變轉速工況下的調頻、調幅、調相等效應使傳統(tǒng)基于頻譜分析的故障診斷策略失效,因此如何將時變故障信息有效地提取出來是變轉速工況下軸承故障診斷的關鍵問題之一。在此背景下,本文首先分析了不同診斷方法的特點和變轉速工況下軸承故障信號的特點,針對軸承兩種不同的工作環(huán)境,提出了相應的故障診斷方法。具體研究內容包括:(1)針對便于安裝鍵相信號采集裝置的工作環(huán)境,根據(jù)鍵相信號計算被測軸實時轉速并繪制被測軸瞬時轉頻曲線;通過軸承幾何尺寸計算軸承內、外圈故障特征系數(shù)并繪制內、外圈時變故障特征頻率曲線。計算基于同步提取變換的時變幅值解調譜并將時頻曲線與軸承內、外圈時變故障特征頻率曲線相匹配,進而識別故障類型。(2)針對不便于安裝鍵相信號采集裝置的工作環(huán)境,將基于Viterbi算法的瞬時頻率估計算法應用到軸承振動信號中;對瞬時頻率估計算法的有效性進行了實驗驗證;計算基于同步提取變換的時變幅值解調譜并將時頻曲線與軸承內、外圈故障特征頻率相匹配,進而識別故障類型。(3)采用單自由度質量彈簧阻尼模型的振動響應模擬幅值解調的仿真信號,通過設置故障引起的沖擊個數(shù)進行疊加生成定信號長度、定沖擊個數(shù)的仿真信號并對以上方法進行驗證,且分別進行不同方法和不同信噪比工況的對比驗證。(4)通過旋轉機械振動及故障模擬實驗臺模擬易于安裝鍵相信號采集裝置的工況,對基于鍵相信號和同步提取變換的故障診斷方法進行驗證;通過高鐵軸承綜合實驗臺模擬不便于安裝鍵相信號采集裝置的工作環(huán)境,對基于瞬時頻率估計和同步提取變換的故障診斷方法進行驗證,并與傳統(tǒng)方法的診斷效果進行對比驗證。論文所提出的兩種軸承故障診斷方法及分析結果,為變轉速工況下軸承的健康狀態(tài)監(jiān)測和精密故障診斷提供了新的思路,具有一定的理論和應用價值。
【圖文】：

振動信號仿真的難度。恒轉速下，故障軸承仿真信號可以有多種信號成分疊加構成，若將故障造成的沖擊信號 x1、背景噪聲信號 x2和諧波信號 x3三種信號成分疊加起來，滾動軸承故障振動信號表達式可如下表示[47]。1 1sin(2π )tx e A f t α=(1-12x = n ( t)(1-23 2x = B sin(2π f t)(1-31 2 3y = x + x + x(1-4式(1-1)~ (1-4)中，α代表衰減率，A 代替設置的沖擊幅值，t 為采樣時間，f1為振動信號中沖擊引起的共振頻率；n ( t )為信噪比為-5 dB 的高斯白噪聲；B=1.6 為諧波幅值， f2為諧波頻率。設置衰減率α為 500，沖擊信號幅值 A 為 0.8，共振頻率 f1為 4 kHz，諧波頻率 f2為 25 Hz，沖擊信號頻率 fo為 64 Hz，采樣頻率 fs設置為 10 240 Hz，采樣時間定為 1 s。恒轉速下故障軸承振動仿真信號的時域圖和包絡譜如圖 4-1 所示。

圖 1-2 變轉速下故障軸承振動仿真信號由恒轉速與變轉速仿真信號時域圖對比可以看出，恒轉速下仿真信號時域圖中沖擊成分隨時間分布均勻，而變轉速下仿真信號時域圖中沖擊信號的密度大，沖擊信號的密度隨時間變化有一定程度的增加。由仿真信號頻域圖對比可以看出，恒轉速下仿真信號頻域圖可見特殊頻率沖擊，，而變轉速下仿真信號頻域圖有明顯的頻譜模糊現(xiàn)象，難以進行進一步分析。綜上所述，在平穩(wěn)轉速時故障本身引起振動信號突變并具有一定調制作用而變轉速下故障軸承振動信號不僅受故障本身的調制作用，也受到轉速波動引起的調頻、調幅和調相，振動信號是一種復雜的非平穩(wěn)信號。如何通過建模、程序仿真等方法實現(xiàn)轉速波動、調頻、調幅和調相現(xiàn)象的仿真，并與所采用的振動分析方法相匹配，是變轉速軸承故障信號仿真的關鍵問題。1.2.2.2 變轉速工況下故障軸承振動仿真信號建模方法由于工業(yè)的蓬勃發(fā)展和機械設備穩(wěn)定性要求的提高，以及電子硬件技術和非平穩(wěn)信號處理理論等硬件條件和理論的發(fā)展，近十年來，變轉速下軸承故障診斷方法的研究得到了逐步關注和發(fā)展。變轉速下軸承故障診斷方法十分豐富
【學位授予單位】：石家莊鐵道大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TH133.33

【相似文獻】

相關期刊論文 前10條

1 屈強;尉寶元;;197726型滾動軸承故障產(chǎn)生原因及對策[J];京鐵科技通訊(太原刊);2002年01期

2 賀天成;范云鵬;寧中赫;;利用包絡解調技術分析診斷滾動軸承故障[J];冶金動力;2020年01期

3 聶海燕;;滾動軸承故障診斷方法綜述[J];內燃機與配件;2019年23期

4 陳松;陳立愛;;經(jīng)驗模態(tài)分解和神經(jīng)網(wǎng)絡在滾動軸承故障診斷中應用研究[J];安徽建筑大學學報;2016年04期

5 倪安福;;基于包絡譜分析的滾動軸承故障診斷方法研究[J];煤礦機械;2017年02期

6 秦波;孫國棟;陳帥;王祖達;王建國;;排列熵與核極限學習機在滾動軸承故障診斷中的應用[J];組合機床與自動化加工技術;2017年02期

7 李衛(wèi);;非平穩(wěn)工況的滾動軸承故障特征研究新方法[J];機械設計與研究;2017年01期

8 汪治安;夏均忠;但佳壁;于明奇;呂麒鵬;;循環(huán)平穩(wěn)在滾動軸承故障診斷中的應用[J];軍事交通學院學報;2017年06期

9 陳慧;胡俊鋒;熊國良;;基于小波包分解與權重包絡譜的滾動軸承故障特征增強[J];機械設計與研究;2017年03期

10 陳雷;;滾動軸承故障診斷實例[J];設備管理與維修;2016年10期

相關會議論文 前10條

1 崔寶珍;王澤兵;潘宏俠;;小波包分析和模糊聚類方法在滾動軸承故障診斷中應用[A];第九屆全國振動理論及應用學術會議論文集[C];2007年

2 和衛(wèi)星;陳曉平;馬東玲;;基于混沌時間序列的滾動軸承故障局部預測[A];2009中國儀器儀表與測控技術大會論文集[C];2009年

3 張益純;;常見滾動軸承故障診斷的技術探討[A];第十屆全國設備監(jiān)測與診斷技術學術會議論文集[C];2000年

4 李放寧;;峰值能量在滾動軸承故障診斷中的應用[A];第十屆全國設備監(jiān)測與診斷技術學術會議論文集[C];2000年

5 李興林;;滾動軸承故障診斷技術現(xiàn)狀及發(fā)展[A];2009年全國青年摩擦學學術會議論文集[C];2009年

6 崔寶珍;王澤兵;潘宏俠;;小波包分析和模糊聚類方法在滾動軸承故障診斷中的應用[A];第九屆全國振動理論及應用學術會議論文摘要集[C];2007年

7 閔勇;郭一楠;閆俊榮;;基于貪心算法的滾動軸承故障診斷特征提取[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

8 楊積忠;左立建;;滾動軸承故障診斷實例[A];設備監(jiān)測與診斷技術及其應用——第十二屆全國設備監(jiān)測與診斷學術會議論文集[C];2005年

9 古瑩奎;楊子茜;朱繁龍;;基于主成分分析的滾動軸承故障特征融合分析[A];2014年全國機械行業(yè)可靠性技術學術交流會暨可靠性工程分會第五屆委員會成立大會論文集[C];2014年

10 王俊鋒;申永軍;;高階統(tǒng)計量在滾動軸承故障診斷中的應用研究[A];第十四屆全國非線性振動暨第十一屆全國非線性動力學和運動穩(wěn)定性學術會議摘要集與會議議程[C];2013年

相關博士學位論文 前10條

1 池永為;滾動軸承故障的振動特性分析與智能診斷方法研究[D];浙江大學;2018年

2 王洪偉;航空發(fā)動機滾動軸承故障診斷與預測關鍵技術研究[D];南京航空航天大學;2015年

3 葛慧敏;車輛滾動軸承故障診斷建模及關鍵技術研究[D];江蘇大學;2017年

4 廖強;約束獨立分量和多小波分析在滾動軸承故障診斷中的應用[D];電子科技大學;2016年

5 王聰;基于稀疏表達的機械信號處理方法及其在滾動軸承故障診新中的應用研究[D];中國科學技術大學;2017年

6 徐劍;基于短時奇異譜分析的滾動軸承故障診斷方法研究[D];浙江大學;2017年

7 曾鳴;基于凸包的模式識別方法及其在滾動軸承故障診斷中的應用[D];湖南大學;2016年

8 郝騰飛;航空發(fā)動機滾動軸承故障的核方法智能識別技術研究[D];南京航空航天大學;2014年

9 于江林;滾動軸承故障的非接觸聲學檢測信號特性及重構技術研究[D];大慶石油學院;2009年

10 Ao Hung Linh（池雄嶺）;基于化學反應優(yōu)化算法和支持向量機的滾動軸承故障診斷方法研究[D];湖南大學;2014年

相關碩士學位論文 前10條

1 逯全波;基于改進VMD的滾動軸承故障無線監(jiān)測系統(tǒng)[D];重慶三峽學院;2018年

2 李志;基于模態(tài)分解的滾動軸承故障診斷方法研究及應用[D];內蒙古科技大學;2019年

3 張琳;基于同步提取變換的變轉速工況下滾動軸承故障診斷方法研究[D];石家莊鐵道大學;2019年

4 金治彬;基于時頻變換與階比分析的變轉速滾動軸承故障診斷研究[D];石家莊鐵道大學;2019年

5 武薇;基于排列熵理論的滾動軸承故障診斷研究[D];石家莊鐵道大學;2019年

6 趙靖;強背景噪聲下鐵路列車滾動軸承故障特征提取方法研究[D];石家莊鐵道大學;2019年

7 薛海峰;滾動軸承故障診斷方法研究[D];石家莊鐵道大學;2018年

8 張安;基于SVD的滾動軸承故障特征提取[D];石家莊鐵道大學;2019年

9 陸子鳴;基于NLM-VMD和度量學習的滾動軸承故障診斷研究[D];華中科技大學;2019年

10 陸超;基于局部均值分解樣本熵及參數(shù)遷移學習的軸承故障診斷[D];燕山大學;2019年

本文編號：2606883