【摘要】：空間滾動軸承是空間運動機構的關鍵零部件，衛(wèi)星、航天飛機、宇宙飛船等空間飛行器的機械部件能否正常運轉(zhuǎn)、實現(xiàn)預定功能和達到預期壽命，在很大程度上取決于飛行器內(nèi)各機械部件中滾動軸承的性能、壽命和可靠性。在空間服役的滾動軸承要承受低溫、交變溫度、高能粒子輻照、原子氧侵蝕、微塵沖刷等極端環(huán)境的綜合作用，其失效行為和機理與地面常規(guī)環(huán)境有很大差異。因此，為了滿足空間飛行器高可靠、長壽命的發(fā)展需求，亟需在模擬空間環(huán)境下開展?jié)L動軸承壽命評估和預測等方面的研究，而研究基礎在于壽命狀態(tài)的描述和識別，即壽命狀態(tài)的表征。目前，摩擦力矩、溫度等參數(shù)等不能有效反映空間滾動軸承壽命狀態(tài)的變化，一個新的思路是以包含運行狀態(tài)信息豐富的振動信號為切入點研究空間滾動軸承軸承壽命狀態(tài)的表征方法。當空間滾動軸承的壽命狀態(tài)發(fā)生變化時，軸承振動信號時域中的幅值和概率分布將會發(fā)生變化，頻域中的頻率成分、不同頻率成分的能量，以及頻譜的主能量譜峰位置也將發(fā)生改變。本文以空間滾動軸承為研究對象，開展其壽命狀態(tài)的振動譜表征方法研究。主要研究內(nèi)容如下： ①針對空間滾動軸承壽命狀態(tài)的表征問題，提出了時頻域特征參數(shù)構建空間滾動軸承壽命狀態(tài)特征向量的方法。空間滾動軸承處于不同的磨損程度即處于不同壽命狀態(tài)時，其振動情況發(fā)生變化，直接表現(xiàn)為振動信號特征的改變。通過振動信號時域波形和頻譜特征來反映空間滾動軸承振動信號的時域和頻域信息，從而指示不同壽命狀態(tài)之間的差異性。為了便于對壽命狀態(tài)的自動識別并全面準確的反映空間滾動軸承的壽命狀態(tài)，綜合利用時域和頻域特征參數(shù)，選擇了16個時域特征參數(shù)和14個頻域特征參數(shù)構造出高維混合域特征向量即空間滾動軸承壽命狀態(tài)特征向量作為軸承壽命狀態(tài)的振動譜特征。同時，分析了轉(zhuǎn)速和載荷對空間滾動軸承壽命和振動的影響，，提出了空間滾動軸承全壽命試驗方法與策略； ②針對空間滾動軸承振動信號降噪和背景噪聲濾除問題，提出了基于集合經(jīng)驗模式分解（Ensemble Empirical Mode Decomposition，EEMD）的降噪和干擾濾除方法。在模擬真空環(huán)境下測試得到的滾動軸承振動信號往往受到測試系統(tǒng)噪聲和模擬真空環(huán)境設備運行而帶入的背景噪聲的干擾，為了提高信噪比，準確提取空間軸承壽命狀態(tài)特征向量，需要將上述兩類噪聲進行降噪和濾除。對于空間滾動軸承振動信號的降噪，應用EEMD能有效抑制模式混疊的特性，根據(jù)白噪聲經(jīng)EEMD分解后其固有模式分量（Intrinsic Mode Functions，IMF）的特性設計了一種自動選取IMF分量重構信號的算法，實現(xiàn)了信號自適應降噪。對于背景噪聲的濾除，根據(jù)EEMD的濾波特性，通過計算含背景噪聲的軸承振動信號的IMF分量和單獨測試得到的背景噪聲的IMF分量之間的相關系數(shù)對IMF分量進行篩選并重構信號，從而將由于模擬真空環(huán)境而帶入的背景噪聲進行了有效濾除。同時，針對EEMD的兩個重要參數(shù)，即加入白噪聲的幅值系數(shù)k和總體平均次數(shù)M的選取問題，根據(jù)不同幅值系數(shù)的白噪聲對信號極值點分布均勻性影響規(guī)律，提出了EEMD自適應參數(shù)優(yōu)化方法，保證了分解精度和計算效率； ③針對空間滾動軸承壽命狀態(tài)識別問題，提出了基于流形學習的空間滾動軸承壽命狀態(tài)識別方法。軸承振動信號往往呈現(xiàn)出特征信息耦合、時變性強的特點，由其時頻域特征參數(shù)構成的高維壽命狀態(tài)特征向量內(nèi)部的必然存在信息冗余和相互耦合，不利于進行分類識別。為此，利用流形學習方法對壽命狀態(tài)特征向量進行約簡，提取出原始觀測空間的真實流形結構，最終得到維數(shù)低、敏感性高和分類錯誤率小的主要特征向量。然后，將經(jīng)過約簡后的訓練樣本和測試樣本的低維壽命狀態(tài)特征向量輸入最近鄰分類器（K-Nearest Neighbors Classifier，KNNC），最近鄰分類器根據(jù)訓練樣本的鄰域信息和類標簽信息對測試樣本進行分類決策，實現(xiàn)壽命狀態(tài)的識別。 ④根據(jù)空間滾動軸承振動特點及壽命試驗要求，搭建了測試系統(tǒng)硬件平臺，開發(fā)了集信號自動采集、處理和壽命狀態(tài)識別等功能為一體的空間滾動軸承壽命狀態(tài)識別系統(tǒng)。系統(tǒng)不僅可對大量數(shù)據(jù)文件進行批量管理、分析，還應用數(shù)據(jù)庫技術實現(xiàn)壽命樣本庫的建立、添加和刪除等管理，保證了壽命樣本的完整性和安全性。系統(tǒng)主要包括：振動信號采集模塊，振動信號基本分析模塊（包括波形分析、概率分析、相關分析和自譜分析等）、振動譜瀑布圖分析模塊、HHT分析模塊和壽命狀態(tài)識別模塊。最后，通過對空間滾動軸承壽命狀態(tài)識別應用實例檢驗了該系統(tǒng)的可行性和有效性。 文章最后對本文的工作進行了總結，并展望了下一步的研究方向。
【學位授予單位】：重慶大學
【學位級別】：博士
【學位授予年份】：2012
【分類號】：TH165.3

【參考文獻】

相關期刊論文 前10條

1 屈微;劉賀平;張德政;;基于獨立分量分析特征提取的故障診斷系統(tǒng)[J];北京科技大學學報;2006年07期

2 吳寶杰,劉慶廉,李興林,周銀生;潤滑脂的動態(tài)分油能力對軸承振動性能的影響[J];軸承;2003年05期

3 李峰,張英堂,王寧,宋兵,周寶成;基于小波和奇異譜降噪理論的軸承故障診斷研究[J];軸承;2003年07期

4 趙惠玲,賈峰一,李旭東,常洪;套圈制造精度對滾動軸承振動與噪聲的影響[J];軸承;2003年12期

5 裴禮清,趙麗萍;滾動軸承微動磨損導致的振動分析[J];軸承;2004年05期

6 汪久根;王慶九;章維明;;表面粗糙度對軸承振動的影響[J];軸承;2007年01期

7 王堅永，莊中華，吳秀鸞，湯潔;滾動軸承可靠性加速壽命試驗研究[J];軸承;1996年09期

8 莊哲民;殷國華;李芬蘭;江鐘偉;;基于小波神經(jīng)網(wǎng)絡的風力發(fā)電機故障診斷[J];電工技術學報;2009年04期

9 楊曉蔚;;滾動軸承振動測量物理量和測量條件的探討[J];軸承;2011年09期

10 周培毅;張新燕;張華中;;基于遺傳算法與BP神經(jīng)網(wǎng)的風力發(fā)電機齒輪箱故障診斷研究[J];華北電力技術;2010年07期

相關博士學位論文 前2條

1 李鋒;基于流形學習的風電機組傳動系統(tǒng)故障診斷方法研究[D];重慶大學;2011年

2 趙聯(lián)春;球軸承振動的研究[D];浙江大學;2003年

相關碩士學位論文 前2條

1 劉振宇;高速主軸用滾動軸承性能分析與試驗研究[D];北京工業(yè)大學;2006年

2 聞凌峰;真空環(huán)境中固體潤滑軸承損傷機理研究[D];哈爾濱工業(yè)大學;2009年

本文編號：2699428