【摘要】：滾動軸承是旋轉(zhuǎn)機械中最常用的重要零件之一,其狀態(tài)直接影響整個機械系統(tǒng)能否正常工作,因此,滾動軸承故障診斷具有十分重要現(xiàn)實意義和經(jīng)濟價值。 針對故障軸承產(chǎn)生的振動信號具有非平穩(wěn)特性,傳統(tǒng)分析方法難以提取故障信息等不足,本文提出了一種基于小波包變換提取滾動軸承故障信息的算法。 針對人工神經(jīng)網(wǎng)絡(luò)分類器存在一些諸如局部最小值、收斂速度慢等不足,本文提出了一種基于支持向量機的滾動軸承故障識別算法,實驗仿真表明該算法的訓練時間、測試時間都比神經(jīng)網(wǎng)絡(luò)分類器短,識別準確率比神經(jīng)網(wǎng)絡(luò)分類器高。 針對基于支持向量機的訓練過程是求解二次優(yōu)化,當數(shù)據(jù)樣本增加時,其訓練速度會明顯變慢的不足,本文提出了一種基于最小二乘支持向量機的滾動軸承故障識別算法,將求解二次優(yōu)化問題轉(zhuǎn)化求解線性方程組問題。實驗仿真表明該算法比支持向量機的訓練和測試速度更快,并能獲得相當高的識別準確率。 針對核函數(shù)寬度系數(shù)、正則化因子以及模型參數(shù)的選擇具有隨意性和不確定性的不足,本文提出了一種基于貝葉斯推斷分層次優(yōu)化確定參數(shù)的方法。實驗仿真表明該算法提高了建模效率,且訓練和測試速度快、識別準確率高。
【圖文】：

如圖2-1 所示。滾珠軸承的滾動體形狀是圓珠形，滾柱軸承的滾動體形狀是圓柱體，，滾針軸承的滾動體形狀是圓針形的。滾珠軸承在機械中應(yīng)用最為廣泛，本論文所研究滾動軸承均指滾珠軸承。滾珠軸承 滾柱軸承 滾針軸承圖 2-1 滾動軸承按滾動體形狀分類2.1.2 滾動軸承組成部件及幾何結(jié)構(gòu)滾動軸承的幾何結(jié)構(gòu)決定了軸承的動態(tài)性能以及振動特點，是影響軸承故障診斷的關(guān)鍵因素。1．組成部件滾動軸承由滾珠(Rolling Element)，內(nèi)環(huán)(Inner Ring)、外環(huán)(Outer Ring)和用于固定滾珠的籠(Cage)四大部分組成，外環(huán)的內(nèi)溝和內(nèi)環(huán)的外溝構(gòu)成滾珠的軌道，籠子用于分離和定位滾珠。2．幾何結(jié)構(gòu)軸承的內(nèi)部幾何結(jié)構(gòu)，如圖 2-2 所示，基本尺寸包括內(nèi)徑iD 、外徑oD 、環(huán)寬度B 和滾球直徑D，以及徑向間隙dP 、層心直徑md 、內(nèi)環(huán)直徑id 、外環(huán)直徑od 和接觸角0α

圖 2-2 滾動軸承的幾何結(jié)構(gòu)2.2 滾動軸承基本故障頻率滾動軸承有四個故障特征頻率，即滾珠過外環(huán)頻率bpoff 、滾珠過內(nèi)環(huán)頻率bpiff 、籠的旋轉(zhuǎn)頻率ftff 和滾珠旋轉(zhuǎn)頻率bsff 。假設(shè)外環(huán)固定不動，而內(nèi)環(huán)旋轉(zhuǎn)的速度與軸的旋轉(zhuǎn)速度相等，滾珠與外環(huán)內(nèi)環(huán)沒有摩擦。定義滾珠的數(shù)量是Z ，內(nèi)環(huán)的旋轉(zhuǎn)速度是in ，則籠的旋轉(zhuǎn)頻率ftf為：0(1 cos )120iftfmn Dfd= α(2-1滾珠過外環(huán)頻率bpoff ，滾珠過內(nèi)環(huán)頻率bpiff 都與籠的旋轉(zhuǎn)頻率有關(guān)，分別為：0(1 cos )120ibpof ftfmZn Df Z fd= = α(2-2
【學位授予單位】：湖南工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2009
【分類號】：TH133.33;TH165.3

【相似文獻】

相關(guān)期刊論文 前10條

1 孔凡國;張永孝;宋劍虹;;經(jīng)驗?zāi)B(tài)分解在密封軸承故障診斷中的應(yīng)用[J];機械設(shè)計與研究;2011年03期

2 高瑞;皮駿;;故障字典在軸承故障診斷中的應(yīng)用研究[J];中國西部科技;2011年17期

3 宋振宇;丁勇鵬;趙秀麗;翁璐;;基于LOFAR譜圖的水下目標識別方法[J];海軍航空工程學院學報;2011年03期

4 夏俊士;杜培軍;張偉;;遙感影像多分類器集成的關(guān)鍵技術(shù)與系統(tǒng)實現(xiàn)[J];科技導報;2011年21期

5 苗海濱;李建勤;胡玉榮;;Peakvue技術(shù)在軸承故障診斷中的應(yīng)用[J];設(shè)備管理與維修;2011年S1期

6 魏勇;王汝涼;張衛(wèi);;基于動態(tài)RBF神經(jīng)網(wǎng)絡(luò)的遙感圖像中煙辨識[J];現(xiàn)代計算機(專業(yè)版);2011年10期

7 段汝嬌;趙偉;黃松嶺;陳建業(yè);;計算機視覺技術(shù)在鐵路檢測領(lǐng)域的應(yīng)用[J];中國鐵路;2010年01期

8 于雯;陳曉平;王祿;;局域均值分解法在軸承故障診斷中的應(yīng)用[J];軸承;2011年09期

9 ;[J];;年期

10 ;[J];;年期

相關(guān)會議論文 前10條

1 張博聞;祁煒;楊冬;唐小程;宋執(zhí)環(huán);;基于EMD的頻率族分離法在滾動軸承故障診斷中的應(yīng)用[A];第二十九屆中國控制會議論文集[C];2010年

2 唐海峰;陳進;董廣明;;信號稀疏分解方法在滾動軸承故障診斷中的應(yīng)用[A];第十二屆全國設(shè)備故障診斷學術(shù)會議論文集[C];2010年

3 胡清忠;褚福磊;;基于Hilbert解調(diào)的滾動軸承故障診斷分析[A];第十二屆全國設(shè)備故障診斷學術(shù)會議論文集[C];2010年

4 陶新民;徐晶;杜寶祥;徐勇;;基于相空間奇異譜的SOM軸承故障診斷模型[A];第二十七屆中國控制會議論文集[C];2008年

5 郝旺身;韓捷;董辛e

本文編號：2648995