【摘要】：滾動(dòng)軸承作為機(jī)械設(shè)備中常用、關(guān)鍵的零部件,其工作狀態(tài)是否正常,直接影響到整臺(tái)設(shè)備乃至整個(gè)生產(chǎn)線的產(chǎn)品質(zhì)量和安全。對(duì)其進(jìn)行故障診斷和監(jiān)測(cè),是國(guó)內(nèi)外學(xué)者在工程技術(shù)領(lǐng)域的研究開(kāi)發(fā)熱點(diǎn)。利用滾動(dòng)軸承及其部件的振動(dòng)信號(hào)對(duì)其工作狀態(tài)進(jìn)行分析,是目前旋轉(zhuǎn)機(jī)械故障監(jiān)測(cè)與診斷研究中最常用的方法。 鑒于振動(dòng)信號(hào)的降噪對(duì)有效揭示故障信息非常重要,本文研究了基于平穩(wěn)小波的新閾值消噪方法。在機(jī)械設(shè)備的故障診斷與監(jiān)測(cè)過(guò)程中,故障特征提取和故障模式識(shí)別是兩個(gè)關(guān)鍵。基于此,探討了基于圖像技術(shù)的故障特征提取方法,和基于參數(shù)最優(yōu)Morlet小波的故障特征提取方法。研究了LSSVM和FCM等模式識(shí)別方法在滾動(dòng)軸承故障模式診斷中的應(yīng)用和優(yōu)化。主要研究工作如下： (1)在信號(hào)降噪方面,分析了常用的小波去噪方法,在此基礎(chǔ)上提出了一種基于平穩(wěn)小波變換的新閾值消噪方法。閾值大小依據(jù)了沖擊型的故障信號(hào)和噪聲的小波系數(shù)在不同尺度上的特性。在綜合了軟、硬閾值函數(shù)的優(yōu)點(diǎn)的基礎(chǔ)上提出了一種新的參數(shù)可調(diào)閾值函數(shù)。與常用小波去噪方法進(jìn)行了對(duì)比分析,結(jié)果表明該方法有效的提取信號(hào)中沖擊成分,為正確識(shí)別故障特征提供了有力的保證。 (2)在基于圖像技術(shù)的故障特征提取方面,介紹了希爾伯特包絡(luò)和雙譜概念,由此引入振動(dòng)信號(hào)的包絡(luò)雙譜圖,提出了利用雙譜灰度圖矩統(tǒng)計(jì)量來(lái)表征軸承運(yùn)行狀態(tài)。對(duì)矩特征統(tǒng)計(jì)量進(jìn)行主成分分析而得到4個(gè)主成分特征,將其作為故障模式識(shí)別的輸入向量。對(duì)比分析了其它圖像特征提取技術(shù),實(shí)驗(yàn)表明,基于矩特征的滾動(dòng)軸承狀態(tài)模式識(shí)別準(zhǔn)確率更高一些。 (3)分析了Morlet小波參數(shù)對(duì)時(shí)頻分析的影響,針對(duì)軸承等機(jī)械故障振動(dòng)信號(hào)波形為沖擊衰減這一特點(diǎn),提出一種基于參數(shù)最優(yōu)Morlet小波的故障特征提取方法。為達(dá)到小波分析與沖擊特征成分的最佳匹配,將小波系數(shù)的峭度和最大值之積作為目標(biāo)函數(shù),運(yùn)用模擬退火算法優(yōu)化Morlet小波的兩個(gè)形狀參數(shù)：帶寬和中心頻率。將振動(dòng)信號(hào)通過(guò)由Morlet小波確定的帶通濾波器,提取包絡(luò)功率譜作為故障特征,通過(guò)仿真實(shí)驗(yàn)和實(shí)際故障信號(hào)對(duì)該方法進(jìn)行了驗(yàn)證。 (4)在故障模式識(shí)別方面,針對(duì)工程實(shí)際中難以獲得大量典型故障樣本的情況,將LSSVM方法引入軸承的智能故障診斷中。將特征優(yōu)選和SVM參數(shù)優(yōu)選同步進(jìn)行,在得到較優(yōu)的λ、σ參數(shù)的同時(shí)進(jìn)行特征選擇以獲取顯著特征子集。將4種運(yùn)行狀態(tài)、5種轉(zhuǎn)速、2類載荷條件下測(cè)得的滾動(dòng)軸承振動(dòng)信號(hào)作為研究樣本,對(duì)識(shí)別準(zhǔn)確率進(jìn)行了驗(yàn)證。 (5)本文提出一種基于類可分性測(cè)量的加權(quán)FCM算法,根據(jù)類可分性測(cè)量指標(biāo)計(jì)算特征權(quán),然后將特征權(quán)賦予相應(yīng)特征,以反映特征對(duì)故障模式的敏感性。對(duì)四種載荷和多種故障程度下測(cè)得的滾動(dòng)軸承振動(dòng)信號(hào)進(jìn)行了故障診斷分析。 文章最后對(duì)本文的工作進(jìn)行了總結(jié)和對(duì)相關(guān)的研究技術(shù)進(jìn)行了展望。
【圖文】：

故障診斷技術(shù)是隨著電子技術(shù)、數(shù)字信號(hào)處理技術(shù)、人工智能以及模式識(shí)別技術(shù)發(fā)展而進(jìn)步的一門交叉學(xué)科，并在理論研究與工程應(yīng)用方面都得到了推廣。軸承故障診斷的一般過(guò)程如圖1一1所示。動(dòng)藝〔噪日}處}二二又}_}特征選擇監(jiān)…川_…}〔王畫(huà)，一}\決決決決決決決診診斷斷斷策策預(yù)預(yù)測(cè)測(cè)測(cè)測(cè)測(cè)圖1一1故障診斷的一般過(guò)程“信息獲取”一般是由傳感器和信號(hào)采集電路獲取機(jī)械設(shè)備的狀態(tài)信息。狀態(tài)信息、是機(jī)械設(shè)備狀態(tài)的載體，而其狀態(tài)信息的獲取一般要由傳感器去采集，所以說(shuō)信息獲取是進(jìn)行狀態(tài)監(jiān)測(cè)與故障診斷的必要前提[9]。目前信息獲取的方式主要包括:振動(dòng)監(jiān)測(cè)，聲發(fā)射監(jiān)測(cè)，熱紅外圖像監(jiān)測(cè)，油液監(jiān)測(cè)，溫度監(jiān)測(cè)等。對(duì)于軸承而言，振動(dòng)監(jiān)測(cè)的研究占據(jù)著最重要的地位。實(shí)際應(yīng)用中，對(duì)于滾動(dòng)軸承早期故障診斷主要采用振動(dòng)信號(hào)，因?yàn)檎駝?dòng)信號(hào)獲取方便，信號(hào)

k為原始小波分解系數(shù)，城一*為閡值處理后的系數(shù)，，為閉值。硬閡值的思想是把小波分解系數(shù)的絕對(duì)值和閉值t相比較，，低于或等于閡值的系數(shù)變?yōu)榱�，大于閡值的點(diǎn)保持不變。如圖2.1(b)所示。軟閩值法:哈\(二，獷卜{黔’(I硯/‘一‘州::(2一9)其中嘰，、為原始小波分解系數(shù)，城，*為閉值處理后的系數(shù)，sgno表示符號(hào)函數(shù)，t為閉值。軟閡值的思想是:即把小波分解系數(shù)的絕對(duì)值和閡值t相比較低于或等于閉值的點(diǎn)變?yōu)榱�，大于閡值的點(diǎn)變?yōu)樵擖c(diǎn)絕對(duì)值與閡值的差值，并保持符號(hào)不變，如圖2一1(c)所示。
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2011
【分類號(hào)】：TH165.3

【引證文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 蔣熙馨;旋轉(zhuǎn)葉片動(dòng)應(yīng)變FBG分布式檢測(cè)及振動(dòng)估計(jì)研究[D];武漢理工大學(xué);2014年

本文編號(hào)：2593946