【摘要】：隨著工業(yè)技術(shù)的迅猛發(fā)展,旋轉(zhuǎn)機(jī)械正朝著大型化、高速化、復(fù)雜化、智能化的方向發(fā)展,作為旋轉(zhuǎn)機(jī)械中廣泛使用的關(guān)鍵通用零部件—滾動(dòng)軸承,其運(yùn)行狀態(tài)是否正常,嚴(yán)重關(guān)乎整個(gè)設(shè)備的運(yùn)行狀態(tài)。實(shí)際工程應(yīng)用中,由于滾動(dòng)軸承的運(yùn)行工況復(fù)雜,工作環(huán)境大多是高速重載,使得滾動(dòng)軸承成為最容易損壞的機(jī)械零部件之一。本文以滾動(dòng)軸承為研究對(duì)象,采用現(xiàn)代信號(hào)處理中的若干新方法,針對(duì)滾動(dòng)軸承故障特征提取、滾動(dòng)軸承復(fù)合故障診斷、滾動(dòng)軸承運(yùn)行狀態(tài)監(jiān)測(cè)與性能退化趨勢(shì)預(yù)測(cè)三個(gè)關(guān)鍵問(wèn)題進(jìn)行了研究。主要工作內(nèi)容如下:(1)針對(duì)滾動(dòng)軸承故障特征難以提取的問(wèn)題,提出基于IVMD和三點(diǎn)對(duì)稱差分能量算子解調(diào)的滾動(dòng)軸承故障特征提取方法。在介紹VMD基本概念和原理的基礎(chǔ)上,通過(guò)仿真信號(hào)對(duì)VMD的信號(hào)分解能力進(jìn)行了討論。針對(duì)VMD參數(shù)K設(shè)置的問(wèn)題,提出以BLIMF分量與原始信號(hào)間譜相關(guān)系數(shù)的最小值作為分解停止條件的改進(jìn)變分模態(tài)分解(IVMD)方法,實(shí)現(xiàn)VMD分解過(guò)程中分解層數(shù)K的自適應(yīng)確定。通過(guò)仿真信號(hào)與實(shí)驗(yàn)信號(hào)分析表明,將IVMD和三點(diǎn)對(duì)稱差分能量算子解調(diào)相結(jié)合能夠很好的提取出滾動(dòng)軸承故障特征頻率。(2)針對(duì)滾動(dòng)軸承復(fù)合故障難以準(zhǔn)確診斷的問(wèn)題,提出基于MOMEDA的滾動(dòng)軸承復(fù)合故障診斷方法。本文首先系統(tǒng)介紹了各種時(shí)域解卷積方法的基本原理。然后,通過(guò)仿真信號(hào)討論了MOMEDA方法提取信號(hào)中連續(xù)周期性脈沖的能力。在此基礎(chǔ)上,以多點(diǎn)峭度作為故障特征的量度,使用MOMEDA實(shí)現(xiàn)滾動(dòng)軸承復(fù)合故障的診斷。(3)針對(duì)滾動(dòng)軸承性能退化趨勢(shì)難以有效預(yù)測(cè)的問(wèn)題,提出基于VMD能量熵模糊�；蚐VM的滾動(dòng)軸承性能退化趨勢(shì)預(yù)測(cè)方法。該方法以VMD能量熵作為滾動(dòng)軸承性能退化的特征指標(biāo),將模糊信息�；蚐VM相結(jié)合實(shí)現(xiàn)滾動(dòng)軸承性能退化趨勢(shì)的準(zhǔn)確預(yù)測(cè)。本文同時(shí)分析了VMD方法中參數(shù)K對(duì)VMD能量熵的影響。通過(guò)軸承全壽命實(shí)驗(yàn)數(shù)據(jù)證明了本文所提方法的有效性和準(zhǔn)確性。
【圖文】：

如圖1.1 所示，軸承外圈一般情況下固定在機(jī)械設(shè)備的軸承座中，內(nèi)圈一般與與軸頸相配合隨軸一起轉(zhuǎn)動(dòng)，滾動(dòng)體通常在內(nèi)外圈滾道之間轉(zhuǎn)動(dòng)，維持內(nèi)圈和外圈之間的相對(duì)運(yùn)動(dòng)，保持架使?jié)L動(dòng)體均勻分布，避免脫落[4]。滾動(dòng)體的數(shù)目、形狀和尺寸決定了滾動(dòng)軸承的承載能力。圖 1.1 滾動(dòng)軸承基本結(jié)構(gòu)Fig 1.1 Basic structure of rolling bearing1.3.2 滾動(dòng)軸承常見(jiàn)失效形式及故障特征頻率計(jì)算公式實(shí)際工程應(yīng)用中，由于滾動(dòng)軸承的運(yùn)行工況復(fù)雜多變，工作環(huán)境大多是高速重載，加之安裝使用不當(dāng)、維護(hù)不及時(shí)和潤(rùn)滑不良以及自身制造缺陷，使得滾動(dòng)軸承成為機(jī)械設(shè)備中的易損件之一。根據(jù)滾動(dòng)軸承的組成結(jié)構(gòu)，其故障可分為內(nèi)圈故障、外圈故障、滾動(dòng)體故障、保持架故障，或者是上述二種或多種故障同時(shí)

數(shù)據(jù)為研究對(duì)象[122]，，該中心的滾動(dòng)軸承故障試驗(yàn)動(dòng)電機(jī)、測(cè)力計(jì)、轉(zhuǎn)矩傳感器和電子控制裝置。分別為驅(qū)動(dòng)端和風(fēng)扇端，軸承型號(hào)為: SKF6025-驅(qū)動(dòng)端的傳感器、電機(jī)風(fēng)扇端的傳感器、試驗(yàn)臺(tái)源于驅(qū)動(dòng)端加速度傳感器。使用電火花加工技術(shù)，電機(jī)轉(zhuǎn)速為 1750r/min, 故障直徑為 0.1778mm，采樣時(shí)間 0.5s。根據(jù)此時(shí)的電機(jī)轉(zhuǎn)速計(jì)算得到內(nèi)圈機(jī)轉(zhuǎn)頻 fr=29.16Hz。滾動(dòng)軸承的有關(guān)參數(shù)如表 2信號(hào)波形與頻譜如圖 2.24。表 2.3 滾動(dòng)軸承的參數(shù)Tab2.3 Parameters of rolling bearing 外圈直徑 厚度 滾動(dòng)體直徑 節(jié)徑 d 接觸角 52mm 15mm 8.18mm 39mm 0
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TH133.33

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孟宗;王曉燕;馬釗;;融合小波分解與時(shí)頻分析的單通道振動(dòng)信號(hào)盲分離方法[J];中國(guó)機(jī)械工程;2015年20期

2 王柏楊;劉永強(qiáng);廖英英;;滾動(dòng)軸承故障信號(hào)時(shí)域特征指標(biāo)的敏感性分析[J];軸承;2015年10期

3 柏林;陸超;趙鑫;;基于ITD與ICA的滾動(dòng)軸承故障特征提取方法[J];振動(dòng)與沖擊;2015年14期

4 孟宗;季艷;;基于DEMD和對(duì)稱差分能量算子解調(diào)的滾動(dòng)軸承故障診斷[J];中國(guó)機(jī)械工程;2015年12期

5 唐貴基;王曉龍;;最大相關(guān)峭度解卷積結(jié)合稀疏編碼收縮的齒輪微弱故障特征提取[J];振動(dòng)工程學(xué)報(bào);2015年03期

6 隋文濤;張丹;Wilson Wang;;基于EMD和MKD的滾動(dòng)軸承故障診斷方法[J];振動(dòng)與沖擊;2015年09期

7 劉長(zhǎng)良;武英杰;甄成剛;;基于變分模態(tài)分解和模糊C均值聚類的滾動(dòng)軸承故障診斷[J];中國(guó)電機(jī)工程學(xué)報(bào);2015年13期

8 唐貴基;王曉龍;;參數(shù)優(yōu)化變分模態(tài)分解方法在滾動(dòng)軸承早期故障診斷中的應(yīng)用[J];西安交通大學(xué)學(xué)報(bào);2015年05期

9 唐貴基;鄧飛躍;;基于改進(jìn)諧波小波包分解的滾動(dòng)軸承復(fù)合故障特征分離方法[J];儀器儀表學(xué)報(bào);2015年01期

10 王志堅(jiān);韓振南;劉邱祖;寧少慧;;基于MED-EEMD的滾動(dòng)軸承微弱故障特征提取[J];農(nóng)業(yè)工程學(xué)報(bào);2014年23期

相關(guān)會(huì)議論文 前1條

1 李興林;;滾動(dòng)軸承故障診斷技術(shù)現(xiàn)狀及發(fā)展[A];2009年全國(guó)青年摩擦學(xué)學(xué)術(shù)會(huì)議論文集[C];2009年

相關(guān)博士學(xué)位論文 前2條

1 鄧飛躍;滾動(dòng)軸承故障特征提取與診斷方法研究[D];華北電力大學(xué)(北京);2016年

2 潘玉娜;滾動(dòng)軸承的性能退化特征提取及評(píng)估方法研究[D];上海交通大學(xué);2011年

相關(guān)碩士學(xué)位論文 前6條

1 汪志君;基于EEMD的共振解調(diào)技術(shù)在動(dòng)車組軸承故障診斷中的應(yīng)用[D];北京交通大學(xué);2017年

2 孫占龍;基于共振稀疏分解的滾動(dòng)軸承故障診斷方法研究[D];北京交通大學(xué);2017年

3 朱明;新穎的自適應(yīng)時(shí)頻分布方法及在故障診斷中應(yīng)用研究[D];南昌航空大學(xué);2015年

4 王柳;基于信息�；腟VM混沌時(shí)間序列預(yù)測(cè)算法及應(yīng)用[D];河北大學(xué);2014年

5 王澤文;基于振動(dòng)信號(hào)的滾動(dòng)軸承故障診斷與預(yù)測(cè)系統(tǒng)研究[D];中國(guó)礦業(yè)大學(xué);2014年

6 王建利;滾動(dòng)軸承性能退化評(píng)價(jià)與趨勢(shì)預(yù)測(cè)研究[D];大連理工大學(xué);2013年

本文編號(hào)：2669591