【摘要】：滾動(dòng)軸承作為旋轉(zhuǎn)機(jī)械中關(guān)鍵的部件之一,健康狀況通常直接影響機(jī)械設(shè)備的正常運(yùn)作。旋轉(zhuǎn)機(jī)械故障,大約三成的原因是滾動(dòng)軸承出現(xiàn)了不同程度的損傷,因而對(duì)滾動(dòng)軸承進(jìn)行故障分析意義重大。此外,虛擬儀器近年來(lái)快速的發(fā)展,大大推動(dòng)了許多技術(shù)領(lǐng)域的發(fā)展,所以,在機(jī)械設(shè)備故障診斷領(lǐng)域中,應(yīng)用虛擬儀器技術(shù)有著深遠(yuǎn)的意義。本論文基于虛擬儀器開(kāi)發(fā)環(huán)境,以滾動(dòng)軸承為試驗(yàn)對(duì)象,開(kāi)展了針對(duì)其振動(dòng)信號(hào)的采集與分析系統(tǒng)的研究。首先搭建硬件實(shí)驗(yàn)平臺(tái),以美國(guó)國(guó)家儀器公司(National Instruments,NI)的LabVIEW軟件為開(kāi)發(fā)平臺(tái),進(jìn)行系統(tǒng)程序的開(kāi)發(fā)工作。該系統(tǒng)主要由信號(hào)采集、信號(hào)處理、故障診斷和輔助功能四大模塊構(gòu)成,可實(shí)現(xiàn)現(xiàn)場(chǎng)信號(hào)采集、在線分析與設(shè)備運(yùn)行狀態(tài)診斷等功能。本系統(tǒng)故障診斷模塊基于本課題組前期研究基礎(chǔ),將核函數(shù)特征矩陣聯(lián)合近似對(duì)角化(Kernel Joint Approximate Diagonalization of Eigen-matrices,KJADE)和變步長(zhǎng)振動(dòng)共振(Step-Varying Vibrational Resonance,SVVR)算法集成于系統(tǒng)中,通過(guò)對(duì)滾動(dòng)軸承的振動(dòng)信號(hào)進(jìn)行故障分析。其中,KJADE基于核技巧,將輸入數(shù)據(jù)X非線性映射到高維特征空間F,在F中構(gòu)造最佳分類(lèi)平面,從而得到數(shù)據(jù)的非線性結(jié)構(gòu),具備了良好的低維非線性特征融合特性。SVVR算法實(shí)質(zhì)上是由于一個(gè)小周期力不能使勢(shì)阱間的粒子跳躍,當(dāng)給一個(gè)適當(dāng)?shù)母哳l信號(hào),其和小周期力之間的擾動(dòng)作用讓勢(shì)阱間的粒子跳躍,使能量開(kāi)始轉(zhuǎn)移,達(dá)到目標(biāo)信號(hào)增強(qiáng)的效果。本論文基于LabVIEW研制振動(dòng)噪聲采集與分析系統(tǒng)采用模塊化設(shè)計(jì),不僅研發(fā)周期短,開(kāi)發(fā)成本低,穩(wěn)定性強(qiáng),功能易于擴(kuò)展等優(yōu)點(diǎn),且使人機(jī)交互界面具有非常高的友好性,易于操作,結(jié)果簡(jiǎn)潔明了。該系統(tǒng)可實(shí)現(xiàn)滾動(dòng)軸承的振動(dòng)信號(hào)的采集及其故障分析,具有較高的實(shí)際應(yīng)用價(jià)值。
【圖文】：

取得了良好的成績(jī)，虛擬儀器己列入到“十五”優(yōu)先資助領(lǐng)域。利用虛擬儀器采逡逑集信號(hào)，相比于傳統(tǒng)數(shù)據(jù)采集器，系統(tǒng)功能更加強(qiáng)大靈活，具有更強(qiáng)的適應(yīng)性。逡逑目前，用于軸承故障分析的主要方法總結(jié)如下，如圖１－１所示：逡逑軸承故朿診斷的主要方法逡逑Ｔ邐？邐%煎危藻危藻義嫌灣義仙撾洛甕彥危歟戾握皴義戲㈠味儒蔚玨我哄味義仙溴渭噱危本阱渭戾畏皺義戲藉尾忮衛(wèi)溴尾忮撾鰣義戲ㄥ畏ㄥ味襄畏ㄥ畏ㄥ義希悍ㄥ義賢跡保敝岢泄收險(xiǎn)鋃系鬧饕椒ㄥ義希疲椋玨澹保卞澹停幔椋鑠澹恚澹簦瑁錚洌簀澹錚駑澹猓澹幔潁椋睿玨澹媯幔酰歟翦澹洌椋幔紓睿錚螅椋簀義希ǎ保┥⑸浞椒ǎ旱敝岢性誦兄諧魷止收�，会揖壇袌Aǖ男問(wèn)絞頭懦鏨㈠義希插義，

本文編號(hào)：2663422