發(fā)布時間：2018-04-26 22:27

  本文選題：狀態(tài)監(jiān)測與故障診斷 + 滾動軸承��； 參考：《中國科學技術大學》2017年碩士論文

【摘要】：機械設備的狀態(tài)監(jiān)測與故障診斷在保證產品質量、提高生產效率和避免安全事故等方面具有重大意義。滾動軸承作為各類旋轉機械的重要部件,其健康狀況直接影響了整個設備的性能,因此滾動軸承的故障診斷是機械設備故障診斷領域的重要課題。本文對非平穩(wěn)信號的畸變校正以及強背景噪聲下信號的特征提取方法進行了研究。首先,本文介紹了滾動軸承的基本結構、失效形式以及故障特征頻率,分析了滾動軸承故障的發(fā)展歷程、軸承振動的機理以及振動信號與軸承狀態(tài)的關系。隨后,進行了軸承振動信號采集實驗和列車軸承動態(tài)聲學信號采集實驗。其中針對列車軸承動態(tài)聲學信號采集實驗,課題組設計了軸承靜態(tài)聲學實驗和軸承動態(tài)聲學實驗來模擬列車的真實運動場景。其次,本文對列車道旁聲學信號的多普勒畸變問題進行了研究。在麥克風陣列模型的基礎上提出結合傳播因子算法和時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列車軸承的位置進行實時估計,隨后根據軸承位置構造重采樣時間序列,最后利用時域插值重采樣方法對畸變信號進行矯正。利用模擬信號和實驗信號對算法進行驗證,可以看出該算法能有效地校正信號的多普勒畸變。最后,針對軸承振動信號在強背景噪聲下的故障特征提取問題,本文提出了一種時變奇異值分解方法來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信號,而是直接從構造的時變奇異值序列中提取信號的故障特征頻率。實驗結果表明,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.
【學位授予單位】：中國科學技術大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TH133.33

【參考文獻】

相關期刊論文 前10條

1 單青龍;;我國現(xiàn)代機械制造發(fā)展趨勢與發(fā)展方向分析[J];中國新技術新產品;2017年09期

2 韓濤;袁建虎;唐建;安立周;;基于MWT和CNN的滾動軸承智能復合故障診斷方法[J];機械傳動;2016年12期

3 趙赫展;;機械故障檢測技術發(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)星移動通信多普勒頻移補償研究[J];重慶郵電大學學報(自然科學版);2014年03期

5 張翱;胡飛;沈長青;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校正診斷研究[J];振動與沖擊;2014年05期

6 王建國;吳林峰;秦緒華;;基于自相關分析和LMD的滾動軸承振動信號故障特征提取[J];中國機械工程;2014年02期

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

8 劉方;沈長青;何清波;胡飛;張翱;孔凡讓;;基于時域多普勒校正和EEMD的列車軸承道旁聲音監(jiān)測故障診斷方法研究[J];振動與沖擊;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];振動與沖擊;2013年20期

10 何正嘉;曹宏瑞;訾艷陽;李兵;;機械設備運行可靠性評估的發(fā)展與思考[J];機械工程學報;2014年02期

相關重要報紙文章 前2條

1 齊慧;;鐵路運輸實現(xiàn)“開門紅”[N];經濟日報;2017年

2 張依;;中國高速鐵路運營里程超過2萬公里[N];人民鐵道;2016年

相關博士學位論文 前8條

1 武哲;旋轉機械故障診斷與預測方法及其應用研究[D];北京交通大學;2016年

2 張海濱;列車軸承軌邊聲學故障信號的聲源分離及其去噪研究[D];中國科學技術大學;2016年

3 劉方;非平穩(wěn)運行時列車輪對軸承道旁聲學故障診斷方法研究[D];中國科學技術大學;2014年

4 張翱;列車軸承故障道旁聲學診斷關鍵技術研究[D];中國科學技術大學;2014年

5 胡飛;列車軸承故障軌邊聲學檢測系統(tǒng)關鍵技術研究[D];中國科學技術大學;2013年

6 吳強;基于道旁聲學信號的列車滾動軸承故障診斷技術研究[D];中國科學技術大學;2013年

7 楊柳松;基于小波分析與神經網絡滾動軸承故障診斷方法的研究[D];東北林業(yè)大學;2013年

8 王雷;基于流形學習的滾動軸承故障診斷若干方法研究[D];大連理工大學;2013年

相關碩士學位論文 前6條

1 朱軍;滾動軸承非平穩(wěn)信號故障診斷若干方法研究[D];中國科學技術大學;2016年

2 胡智勇;列車軸承軌邊聲學監(jiān)測與診斷方法研究[D];中國科學技術大學;2016年

3 張菲;基于LMD和HSMM的旋轉機械故障診斷方法研究[D];西南交通大學;2016年

4 王超;列車軸承復雜聲學環(huán)境下軌邊故障診斷方法研究[D];中國科學技術大學;2015年

5 劉珂;寬帶信號DOA估計算法研究[D];電子科技大學;2010年

6 陳娟;寬帶信號DOA估計算法研究[D];哈爾濱工程大學;2009年

，

本文編號：1807973