本文選題：狀態(tài)監(jiān)測(cè)與故障診斷 + 滾動(dòng)軸承��； 參考：《中國(guó)科學(xué)技術(shù)大學(xué)》2017年碩士論文

【摘要】：機(jī)械設(shè)備的狀態(tài)監(jiān)測(cè)與故障診斷在保證產(chǎn)品質(zhì)量、提高生產(chǎn)效率和避免安全事故等方面具有重大意義。滾動(dòng)軸承作為各類旋轉(zhuǎn)機(jī)械的重要部件,其健康狀況直接影響了整個(gè)設(shè)備的性能,因此滾動(dòng)軸承的故障診斷是機(jī)械設(shè)備故障診斷領(lǐng)域的重要課題。本文對(duì)非平穩(wěn)信號(hào)的畸變校正以及強(qiáng)背景噪聲下信號(hào)的特征提取方法進(jìn)行了研究。首先,本文介紹了滾動(dòng)軸承的基本結(jié)構(gòu)、失效形式以及故障特征頻率,分析了滾動(dòng)軸承故障的發(fā)展歷程、軸承振動(dòng)的機(jī)理以及振動(dòng)信號(hào)與軸承狀態(tài)的關(guān)系。隨后,進(jìn)行了軸承振動(dòng)信號(hào)采集實(shí)驗(yàn)和列車軸承動(dòng)態(tài)聲學(xué)信號(hào)采集實(shí)驗(yàn)。其中針對(duì)列車軸承動(dòng)態(tài)聲學(xué)信號(hào)采集實(shí)驗(yàn),課題組設(shè)計(jì)了軸承靜態(tài)聲學(xué)實(shí)驗(yàn)和軸承動(dòng)態(tài)聲學(xué)實(shí)驗(yàn)來(lái)模擬列車的真實(shí)運(yùn)動(dòng)場(chǎng)景。其次,本文對(duì)列車道旁聲學(xué)信號(hào)的多普勒畸變問(wèn)題進(jìn)行了研究。在麥克風(fēng)陣列模型的基礎(chǔ)上提出結(jié)合傳播因子算法和時(shí)域插值重采樣的多普勒畸變校正算法。首先利用傳播因子算法對(duì)列車軸承的位置進(jìn)行實(shí)時(shí)估計(jì),隨后根據(jù)軸承位置構(gòu)造重采樣時(shí)間序列,最后利用時(shí)域插值重采樣方法對(duì)畸變信號(hào)進(jìn)行矯正。利用模擬信號(hào)和實(shí)驗(yàn)信號(hào)對(duì)算法進(jìn)行驗(yàn)證,可以看出該算法能有效地校正信號(hào)的多普勒畸變。最后,針對(duì)軸承振動(dòng)信號(hào)在強(qiáng)背景噪聲下的故障特征提取問(wèn)題,本文提出了一種時(shí)變奇異值分解方法來(lái)提取軸承故障的頻譜特征。該方法不需要像傳統(tǒng)方法那樣在分解后重構(gòu)信號(hào),而是直接從構(gòu)造的時(shí)變奇異值序列中提取信號(hào)的故障特征頻率。實(shí)驗(yàn)結(jié)果表明,該方法不僅在軸承的故障特征頻率提取中效果顯著,而且在軸承復(fù)合故障的分離中也有一定效果。
[Abstract]:The condition monitoring and fault diagnosis of mechanical equipment is of great significance in ensuring product quality, improving production efficiency and avoiding safety accidents. As an important part of all kinds of rotating machinery, the health condition of rolling bearing directly affects the performance of the whole equipment. Therefore, the fault diagnosis of rolling bearing is an important subject in the field of mechanical equipment fault diagnosis. In this paper, the distortion correction of nonstationary signal and the feature extraction method of the signal under strong background noise are studied. Firstly, this paper introduces the basic structure, failure form and fault characteristic frequency of rolling bearing, analyzes the development history of rolling bearing fault, the mechanism of bearing vibration and the relationship between vibration signal and bearing state. Then, the bearing vibration signal acquisition experiment and the train bearing dynamic acoustic signal acquisition experiment are carried out. For the dynamic acoustic signal acquisition experiment of train bearing, the static acoustic experiment and the dynamic acoustic experiment are designed to simulate the real moving scene of the train. Secondly, the Doppler distortion of the acoustic signal beside the train track is studied in this paper. Based on the microphone array model, a Doppler distortion correction algorithm combined with propagation factor algorithm and time domain interpolation resampling is proposed. Firstly, the transmission factor algorithm is used to estimate the position of the train bearing in real time, then the resampling time series is constructed according to the position of the bearing. Finally, the distortion signal is corrected by using the time domain interpolation resampling method. The algorithm is verified by analog signal and experimental signal. It can be seen that the algorithm can effectively correct the Doppler distortion of the signal. Finally, a time-varying singular value decomposition method is proposed to extract the fault spectrum feature of bearing vibration signal under strong background noise. This method does not need to reconstruct the signal after decomposing as the traditional method, but directly extracts the fault characteristic frequency of the signal from the constructed time-varying singular value sequence. The experimental results show that this method is effective not only in the extraction of bearing fault feature frequency, but also in the separation of bearing composite fault.
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TH133.33

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 單青龍;;我國(guó)現(xiàn)代機(jī)械制造發(fā)展趨勢(shì)與發(fā)展方向分析[J];中國(guó)新技術(shù)新產(chǎn)品;2017年09期

2 韓濤;袁建虎;唐建;安立周;;基于MWT和CNN的滾動(dòng)軸承智能復(fù)合故障診斷方法[J];機(jī)械傳動(dòng);2016年12期

3 趙赫展;;機(jī)械故障檢測(cè)技術(shù)發(fā)展及其趨向[J];科技展望;2016年03期

4 劉劍鋒;王虹淞;李云;;衛(wèi)星移動(dòng)通信多普勒頻移補(bǔ)償研究[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

5 張翱;胡飛;沈長(zhǎng)青;劉方;何清波;孔凡讓;;基于能量重心法的列車軸承多普勒畸變故障聲信號(hào)校正診斷研究[J];振動(dòng)與沖擊;2014年05期

6 王建國(guó);吳林峰;秦緒華;;基于自相關(guān)分析和LMD的滾動(dòng)軸承振動(dòng)信號(hào)故障特征提取[J];中國(guó)機(jī)械工程;2014年02期

7 唐貴基;王曉龍;;基于EEMD降噪和1.5維能量譜的滾動(dòng)軸承故障診斷研究[J];振動(dòng)與沖擊;2014年01期

8 劉方;沈長(zhǎng)青;何清波;胡飛;張翱;孔凡讓;;基于時(shí)域多普勒校正和EEMD的列車軸承道旁聲音監(jiān)測(cè)故障診斷方法研究[J];振動(dòng)與沖擊;2013年24期

9 程軍圣;馬興偉;楊宇;;基于VPMCD和EMD的齒輪故障診斷方法[J];振動(dòng)與沖擊;2013年20期

10 何正嘉;曹宏瑞;訾艷陽(yáng);李兵;;機(jī)械設(shè)備運(yùn)行可靠性評(píng)估的發(fā)展與思考[J];機(jī)械工程學(xué)報(bào);2014年02期

相關(guān)重要報(bào)紙文章 前2條

1 齊慧;;鐵路運(yùn)輸實(shí)現(xiàn)“開(kāi)門紅”[N];經(jīng)濟(jì)日?qǐng)?bào);2017年

2 張依;;中國(guó)高速鐵路運(yùn)營(yíng)里程超過(guò)2萬(wàn)公里[N];人民鐵道;2016年

相關(guān)博士學(xué)位論文 前8條

1 武哲;旋轉(zhuǎn)機(jī)械故障診斷與預(yù)測(cè)方法及其應(yīng)用研究[D];北京交通大學(xué);2016年

2 張海濱;列車軸承軌邊聲學(xué)故障信號(hào)的聲源分離及其去噪研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

3 劉方;非平穩(wěn)運(yùn)行時(shí)列車輪對(duì)軸承道旁聲學(xué)故障診斷方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

4 張翱;列車軸承故障道旁聲學(xué)診斷關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

5 胡飛;列車軸承故障軌邊聲學(xué)檢測(cè)系統(tǒng)關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

6 吳強(qiáng);基于道旁聲學(xué)信號(hào)的列車滾動(dòng)軸承故障診斷技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

7 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

8 王雷;基于流形學(xué)習(xí)的滾動(dòng)軸承故障診斷若干方法研究[D];大連理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前6條

1 朱軍;滾動(dòng)軸承非平穩(wěn)信號(hào)故障診斷若干方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

2 胡智勇;列車軸承軌邊聲學(xué)監(jiān)測(cè)與診斷方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

3 張菲;基于LMD和HSMM的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];西南交通大學(xué);2016年

4 王超;列車軸承復(fù)雜聲學(xué)環(huán)境下軌邊故障診斷方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

5 劉珂;寬帶信號(hào)DOA估計(jì)算法研究[D];電子科技大學(xué);2010年

6 陳娟;寬帶信號(hào)DOA估計(jì)算法研究[D];哈爾濱工程大學(xué);2009年

，

本文編號(hào)：1807973