本文關(guān)鍵詞：旋轉(zhuǎn)機(jī)械故障分析方法與診斷系統(tǒng)研究

  更多相關(guān)文章： 軸承 特征值 LMD 機(jī)械故障 智能診斷

【摘要】：在現(xiàn)代化生產(chǎn)生活中,機(jī)械設(shè)備的應(yīng)用范圍廣闊,若某一零部件出現(xiàn)問題而沒有及時發(fā)現(xiàn),必然會造成一定的損失。而隨著機(jī)械設(shè)備故障智能診斷技術(shù)的發(fā)展,將其應(yīng)用于生產(chǎn)實踐,不僅可以避免巨大的經(jīng)濟(jì)損失,而且可以減少較大事故造成的傷亡。因此,對故障診斷技術(shù)進(jìn)行研究,具有一定的現(xiàn)實意義。本文首先對一些機(jī)械故障機(jī)理進(jìn)行介紹,然后結(jié)合時域特征值和神經(jīng)網(wǎng)絡(luò)方法實現(xiàn)了軸承是否出現(xiàn)故障的檢測方法研究,接著研究了一種基于提取包絡(luò)極值的局部均值分解改進(jìn)算法,最后開發(fā)了一種能夠快速有效地應(yīng)用于減速機(jī)故障檢測的智能診斷系統(tǒng)。論文主要研究內(nèi)容如下:首先,以常見的軸承和齒輪為例介紹了機(jī)械故障的相關(guān)理論,具體包含有軸承和齒輪故障機(jī)理和故障類型,然后對研究期間用到的時域統(tǒng)計分析方法、頻譜分析法和時域分析法進(jìn)行了具體介紹。其次,基于時域統(tǒng)計方法和神經(jīng)網(wǎng)絡(luò)理論,實現(xiàn)了基于Lab VIEW的軸承是否出現(xiàn)故障的診斷方法研究。對已有不同工況下的軸承振動信號進(jìn)行特征值提取,建立軸承正常狀態(tài)下的大樣本庫,作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本,通過閾值設(shè)定判斷經(jīng)過網(wǎng)絡(luò)訓(xùn)練的軸承信號是否為正常狀態(tài)。再次,研究了局部均值分解(LMD)算法,通過對仿真信號和實測信號的反復(fù)驗證,發(fā)現(xiàn)LMD算法有對高頻噪聲敏感的缺點。為了彌補(bǔ)這一缺點,提出了一種基于提取包絡(luò)極值點的局部均值改進(jìn)算法,然后通過對比普通濾波、小波降噪和提升小波分析法這3種不同的去噪方法對LMD分解的結(jié)果影響,證實了該改進(jìn)算法良好的復(fù)現(xiàn)性和有效性。最后,基于Lab VIEW的開發(fā)平臺,設(shè)計了應(yīng)用于減速機(jī)工業(yè)現(xiàn)場的故障檢測分析系統(tǒng),該系統(tǒng)的主要功能包括:振動加速度信號的實時顯示和保存;信號特征值提取與保存,以建立不同型號的正常減速機(jī)的樣本庫;減速機(jī)故障的智能診斷及結(jié)果顯示。
【關(guān)鍵詞】：軸承 特征值 LMD 機(jī)械故障 智能診斷
【學(xué)位授予單位】：中國計量學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TH17
【目錄】：

• 致謝5-6
• 摘要6-7
• abstract7-14
• 1 緒論14-21
• 1.1 機(jī)械故障研究背景及意義14-15
• 1.2 國內(nèi)外研究方法簡介15-19
• 1.2.1 時域分析方法16-17
• 1.2.2 頻域分析方法17
• 1.2.3 時頻分析方法17-18
• 1.2.4 智能診斷方法18-19
• 1.3 主要研究內(nèi)容19-21
• 2 故障機(jī)理和類型及診斷方法21-32
• 2.1 故障機(jī)理簡介21-24
• 2.1.1 軸承故障機(jī)理21-22
• 2.1.2 齒輪故障機(jī)理22-24
• 2.2 故障類型簡介24-26
• 2.2.1 軸承故障類型24-25
• 2.2.2 齒輪故障類型25-26
• 2.3 振動分析方法簡介26-31
• 2.3.1 振動信號統(tǒng)計分析法26-28
• 2.3.2 振動信號頻域分析法28-29
• 2.3.3 振動信號時頻域分析法29-31
• 2.4 本章小結(jié)31-32
• 3 基于神經(jīng)網(wǎng)絡(luò)的軸承故障診斷32-48
• 3.1 軸承實驗臺簡介32-33
• 3.2 軸承振動信號特征值提取33-36
• 3.2.1 時域統(tǒng)計特征值33-34
• 3.2.2 特征值結(jié)果展示34-36
• 3.3 神經(jīng)網(wǎng)絡(luò)理論36-40
• 3.3.1 BP神經(jīng)網(wǎng)絡(luò)理論37-38
• 3.3.2 BP神經(jīng)網(wǎng)絡(luò)模型38-39
• 3.3.3 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)函數(shù)39
• 3.3.4 BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置39-40
• 3.4 軸承故障診斷系統(tǒng)研究40-47
• 3.4.1 診斷系統(tǒng)總體設(shè)計40-42
• 3.4.2 數(shù)據(jù)分析子模塊42-43
• 3.4.3 智能診斷子模塊43-47
• 3.5 本章小結(jié)47-48
• 4 基于改進(jìn)LMD算法的軸承故障研究48-68
• 4.1 傳統(tǒng)LMD算法簡介48-50
• 4.2 傳統(tǒng)LMD算法仿真結(jié)果50-53
• 4.2.1 未加噪聲信號的LMD分解50-51
• 4.2.2 加噪信號的LMD分解51-53
• 4.3 消噪方法介紹和LMD仿真結(jié)果53-63
• 4.3.1 普通帶通濾波方法53-55
• 4.3.2 小波去噪方法55-60
• 4.3.3 提升小波的去噪方法60-63
• 4.4 改進(jìn)的LMD算法63-67
• 4.4.1 改進(jìn)LMD算法的仿真結(jié)果64-65
• 4.4.2 改進(jìn)LMD算法的實驗結(jié)果65-67
• 4.5 本章小結(jié)67-68
• 5 減速機(jī)故障在線診斷系統(tǒng)設(shè)計68-82
• 5.1 系統(tǒng)硬件設(shè)計68-72
• 5.1.1 試驗臺搭建68-70
• 5.1.2 硬件構(gòu)成與連接70-72
• 5.2 系統(tǒng)軟件設(shè)計72-79
• 5.2.1 數(shù)據(jù)采集模塊74-75
• 5.2.2 特征值提取模塊75-77
• 5.2.3 智能診斷77-79
• 5.3 系統(tǒng)診斷結(jié)果79-81
• 5.3.1 數(shù)據(jù)采集結(jié)果79-80
• 5.3.2 智能檢測結(jié)果80-81
• 5.4 本章小結(jié)81-82
• 6 總結(jié)與展望82-84
• 6.1 總結(jié)82
• 6.2 展望82-84
• 參考文獻(xiàn)84-89
• 附錄A 7 種工態(tài)下的特征值89-92
• 作者簡介92

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 芮延年,劉文杰,郭旭紅,劉海蘭;基于壓電阻抗的設(shè)備結(jié)構(gòu)健康智能診斷[J];中國制造業(yè)信息化;2003年08期

2 ;什么是智能診斷與智能維修[J];江蘇電機(jī)工程;2013年05期

3 焦建新，李宗耀，趙振英，，查建中;復(fù)雜機(jī)械設(shè)備智能診斷集成策略及其實現(xiàn)[J];機(jī)械工程學(xué)報;1995年06期

4 張健;芮延年;陳潔;;基于壓電阻抗設(shè)備結(jié)構(gòu)健康狀態(tài)智能診斷方法的研究[J];機(jī)械設(shè)計與制造;2007年09期

5 李云松;任艷君;;智能診斷技術(shù)發(fā)展綜述[J];四川兵工學(xué)報;2010年04期

6 王太勇;蔣永翔;劉路;蔣大勇;;復(fù)雜制造系統(tǒng)動態(tài)測控與智能診斷技術(shù)[J];航空制造技術(shù);2010年13期

7 閻明印，史鐵林，楊叔子;機(jī)械設(shè)備智能診斷的研究[J];沈陽工業(yè)學(xué)院學(xué)報;1994年02期

8 錢蘇翔;機(jī)器狀態(tài)智能診斷與管理系統(tǒng)[J];機(jī)械設(shè)計與制造;2000年02期

9 黃志堅,裘麗華;液壓故障智能診斷技術(shù)探討[J];機(jī)床與液壓;2001年03期

10 陳珊,王太勇,王國鋒,秦旭達(dá);機(jī)械設(shè)備智能診斷與預(yù)測維修系統(tǒng)[J];西南交通大學(xué)學(xué)報;2003年05期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 王太勇;胥永剛;冷永剛;王國鋒;秦旭達(dá);;智能診斷與動態(tài)測控技術(shù)及其工程應(yīng)用[A];設(shè)備監(jiān)測與診斷技術(shù)及其應(yīng)用——第十二屆全國設(shè)備監(jiān)測與診斷學(xué)術(shù)會議論文集[C];2005年

2 王慶;巴德純;劉坤;;大型真空冶金系統(tǒng)故障分析及智能診斷[A];2004’全國真空冶金與表面工程學(xué)術(shù)研討會會議論文集[C];2004年

3 張周鎖;周曉寧;成瑋;;基于蟻群算法的機(jī)械故障智能診斷技術(shù)研究[A];2008年全國振動工程及應(yīng)用學(xué)術(shù)會議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2008年

中國重要報紙全文數(shù)據(jù)庫 前3條

1 記者 陳黎明 通訊員 錢王平 杜亞董;沙鋼高爐智能診斷決策系統(tǒng)獲冶金科技獎[N];中國冶金報;2007年

2 張善斌 徐秀嬌 李文;山東濟(jì)寧能源運(yùn)河煤礦 智能診斷鋼絲繩缺陷[N];中國安全生產(chǎn)報;2010年

3 本報記者 陳麗容;中興發(fā)布汽車智能診斷軟件 差異化路線再次凸顯[N];通信信息報;2011年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 李書明;制造設(shè)備智能診斷與狀態(tài)預(yù)測技術(shù)的研究[D];天津大學(xué);1998年

2 鄭偉;基于混合推理的骨折智能診斷與治療系統(tǒng)的研究[D];哈爾濱理工大學(xué);2005年

3 孫紅巖;大型旋轉(zhuǎn)機(jī)械智能診斷多Agent系統(tǒng)的研究[D];重慶大學(xué);2007年

4 楊虞微;現(xiàn)代航空燃?xì)鉁u輪發(fā)動機(jī)故障分析與智能診斷關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 邱偉東;沖壓機(jī)床的遠(yuǎn)程智能診斷、維護(hù)系統(tǒng)研究[D];南京理工大學(xué);2007年

2 羅志高;基于參數(shù)化模型的非平穩(wěn)特征提取及其智能診斷研究[D];天津大學(xué);2008年

3 朱傳聰;智能診斷報告系統(tǒng)[D];華中科技大學(xué);2011年

4 潘玉娜;基于全信息的智能診斷方法及其應(yīng)用研究[D];鄭州大學(xué);2006年

5 雷絲雨;支持向量機(jī)模型優(yōu)化方法及其在旋轉(zhuǎn)機(jī)械智能診斷中的應(yīng)用[D];電子科技大學(xué);2015年

6 張利明;基于虛擬儀器的旋轉(zhuǎn)水洗頭智能診斷策略與試驗研究[D];華東理工大學(xué);2010年

7 朱珊娜;葡萄病害智能診斷模型與系統(tǒng)研究[D];西北農(nóng)林科技大學(xué);2007年

8 李平;基于信息融合與智能診斷的鍋爐汽包水位保護(hù)系統(tǒng)[D];東華大學(xué);2009年

9 龍亙;基于Agent智能理論的故障診斷體系模型的研究與建立[D];東北石油大學(xué);2014年

10 李世錦;傳導(dǎo)電磁干擾智能診斷分析系統(tǒng)關(guān)鍵問題研究[D];南京師范大學(xué);2013年

本文編號：784976