【摘要】：滾動軸承廣泛運用于旋轉機械設備中,是保證機械設備高效平穩(wěn)運行的關鍵部件之一。然而,由于長時間運行于變載、高溫、沖擊等惡劣環(huán)境,滾動軸承也是機械系統(tǒng)中最容易出故障的零件之一。因此,做好滾動軸承故障診斷及其性能評估的研究工作,對于提高大型機械設備的穩(wěn)定性、減少因事故帶來的損傷有著重要意義。論文主要從故障診斷及性能退化這兩個方面對滾動軸承進行研究,確定能表征軸承故障類型及其損傷程度的有效特征指標,并更好地揭示軸承故障演變的發(fā)展規(guī)律,具體工作內容如下:(1)針對滾動軸承不同故障與損傷難以識別問題,論文提出了一種基于EEMD快速近似熵(fast approximate entropy,FAE)和模糊C均值聚類(fuzzy C means clustering,FCM)的軸承狀態(tài)識別方法。以軸承不同故障和損傷程度的振動信號為實驗數(shù)據(jù)集,運用EEMD算法對其進行分解得到信號的高頻和低頻成分,確定信號分解后的有效本征模函數(shù)(intrinsic mode function,IMF)特征分量,接著求得其快速近似熵特征變量;以有效IMF分量下的快速近似熵特征來識別軸承不同狀態(tài);最后,采用模糊C均值聚類算法分別建立軸承故障類型及損傷識別模型,實現(xiàn)軸承運行狀態(tài)的無監(jiān)督識別。(2)針對傳統(tǒng)時域特征在刻畫軸承性能退化的缺陷性,論文通過分析軸承損傷規(guī)律及實驗研究,合理篩選出能表征軸承性能損傷規(guī)律的有效指標。以軸承外圈全壽命數(shù)據(jù)為實驗對象,運用論文所提出的EEMD快速近似熵方法提取有效IMF分量的快速近似熵特征,并引入均方根(root mean square,RMS)指標來替換熵特征中質量較差的分量,最終組成以快速近似熵和RMS為特征的高維性能評估指標。(3)為了解決高維性能指標中的“維數(shù)災難”問題,論文運用了局部線性嵌入(locally linear embedding,LLE)特征提取算法對高維指標進行降維,得到滾動軸承更為典型的性能退化曲線;與傳統(tǒng)拉普拉斯(Laplacian Eigenmaps,LE)降維算法相比,可以更早診斷出軸承早期性能退化點;并且,依據(jù)軸承退化中的“治愈現(xiàn)象”,還可以有效甄別軸承退化曲線中的不同損傷階段,并對不同損傷點數(shù)據(jù)進行了時域和包絡分析,實現(xiàn)滾動軸承的性能退化評估。實驗結果證實了所提出方法的可行性與有效性。
【圖文】：

卻可以影響到其他一連串部件的運轉，嚴重時更會危及整個機械設備的工作[1][2]，特別是裝配有軸承和齒輪等大型旋轉設備，若未及時發(fā)現(xiàn)旋轉元件故障，則會在其高速運轉過程中產(chǎn)生不可控的后果，給經(jīng)濟和人員安全帶來不可逆的損失[3]。旋轉機械廣泛地運用于社會各類領域中，因機械故障和元件性能退化所造成的重大事故不計其數(shù)。1993 年黑龍江某電廠汽機末三級葉片斷裂損壞，使得機組強烈振動，軸系穩(wěn)定破壞，最終扭斷主軸導致全部軸承嚴重損壞，且整個過程持續(xù)時間短暫。2003 年武漢鋼鐵生產(chǎn)軋機第四軸承發(fā)生故障，，由于未被及時發(fā)現(xiàn)，相繼導致第三和第五軸上的齒輪發(fā)生斷裂，最終造成 48 小時的生產(chǎn)停機；2014 年 12 月德國勃蘭登堡州小城科斯多夫郊外的風力發(fā)電機被攔腰折斷，整臺風電機組完全報廢，經(jīng)濟損失慘重，現(xiàn)場事故如圖 1-1 所示；2017 年韓國一游樂場旋轉飛船突發(fā)斷軸事件（如圖 1-2 所示），乘坐游客直接從 3 米半高空摔下，身上多處骨折。2018 年臺兒莊風場一臺風電機組因故障監(jiān)測不及時，最終引發(fā)葉片變槳軸承螺栓斷裂事件，暴露出設備存在的重大安全隱患。因此，做好機械設備的故障診斷與性能退化評估，不僅有利于保證設備安全穩(wěn)定運行、消除重大隱患，還能減少因突發(fā)故障而引發(fā)的經(jīng)濟損失與人員傷亡。

卻可以影響到其他一連串部件的運轉，嚴重時更會危及整個機械設備的工作[1][2]，特別是裝配有軸承和齒輪等大型旋轉設備，若未及時發(fā)現(xiàn)旋轉元件故障，則會在其高速運轉過程中產(chǎn)生不可控的后果，給經(jīng)濟和人員安全帶來不可逆的損失[3]。旋轉機械廣泛地運用于社會各類領域中，因機械故障和元件性能退化所造成的重大事故不計其數(shù)。1993 年黑龍江某電廠汽機末三級葉片斷裂損壞，使得機組強烈振動，軸系穩(wěn)定破壞，最終扭斷主軸導致全部軸承嚴重損壞，且整個過程持續(xù)時間短暫。2003 年武漢鋼鐵生產(chǎn)軋機第四軸承發(fā)生故障，由于未被及時發(fā)現(xiàn)，相繼導致第三和第五軸上的齒輪發(fā)生斷裂，最終造成 48 小時的生產(chǎn)停機；2014 年 12 月德國勃蘭登堡州小城科斯多夫郊外的風力發(fā)電機被攔腰折斷，整臺風電機組完全報廢，經(jīng)濟損失慘重，現(xiàn)場事故如圖 1-1 所示；2017 年韓國一游樂場旋轉飛船突發(fā)斷軸事件（如圖 1-2 所示），乘坐游客直接從 3 米半高空摔下，身上多處骨折。2018 年臺兒莊風場一臺風電機組因故障監(jiān)測不及時，最終引發(fā)葉片變槳軸承螺栓斷裂事件，暴露出設備存在的重大安全隱患。因此，做好機械設備的故障診斷與性能退化評估，不僅有利于保證設備安全穩(wěn)定運行、消除重大隱患，還能減少因突發(fā)故障而引發(fā)的經(jīng)濟損失與人員傷亡。
【學位授予單位】：東北電力大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TH133.33

【相似文獻】

相關期刊論文 前10條

1 楊經(jīng)宇;陳琦;李瑞;;基于振動傳感器性能退化數(shù)據(jù)的可靠性評估[J];城市建設理論研究(電子版);2017年24期

2 黃周霖;王召斌;王佳煒;;基于性能退化數(shù)據(jù)的可靠性評估方法綜述[J];電器與能效管理技術;2017年19期

3 李業(yè)波;李秋紅;黃向華;趙永平;;航空發(fā)動機性能退化緩解控制技術[J];航空動力學報;2012年04期

4 江瑞龍;陳進;劉韜;肖文斌;;設備性能退化評估在巡檢系統(tǒng)中的應用[J];振動與沖擊;2012年16期

5 鐘鑫;劉文彬;楊劍鋒;;基于邏輯回歸的滾動軸承性能退化評估[J];科技信息;2010年16期

6 潘玉娜;陳進;李興林;;基于模糊c-均值的設備性能退化評估方法[J];上海交通大學學報;2009年11期

7 賈占強;梁玉英;蔡金燕;;基于加速性能退化試驗的板級可靠性評估[J];無線電工程;2008年02期

8 郭磊;陳進;趙發(fā)剛;董廣明;王國偉;;基于支持向量機的幾何距離方法在設備性能退化評估中的應用[J];上海交通大學學報;2008年07期

9 王立;于重重;施彥;張慧妍;;基于振動信號分析的電機性能退化特征提取[J];計算機仿真;2014年04期

10 黃大榮;汪鵬;;網(wǎng)絡系統(tǒng)“亞健康”狀態(tài)的性能退化評估模型[J];南京航空航天大學學報;2011年S1期

相關會議論文 前10條

1 郭磊;陳進;;設備性能退化評估與預測研究綜述[A];2008年全國振動工程及應用學術會議暨第十一屆全國設備故障診斷學術會議論文集[C];2008年

2 吳瓊;楊建中;王晶燕;滿劍鋒;;含測量誤差的性能退化可靠性分析方法[A];中國力學大會-2015論文摘要集[C];2015年

3 胡昌華;;設備壽命預測技術[A];2015年中國自動化大會摘要集[C];2015年

4 王超;李凌;吳生虎;胡圣;;基于加速性能退化試驗的單片集成電路可靠性評估[A];2010第十五屆可靠性學術年會論文集[C];2010年

5 李衛(wèi)彬;江暢;楊占峰;;材料性能退化的非線性電磁超聲諧振技術研究[A];2018年全國固體力學學術會議摘要集（下）[C];2018年

6 朱義;陳進;;基于HMM的設備性能退化評估方法的研究[A];2008年全國振動工程及應用學術會議暨第十一屆全國設備故障診斷學術會議論文集[C];2008年

7 楊曉明;米雅妹;;混凝土橋梁材料性能退化監(jiān)測系統(tǒng)[A];第八屆全國地震工程學術會議論文集（Ⅱ）[C];2010年

8 匡正;蘇艷梅;楊德莊;李春東;;兩種確定熱控涂層性能退化模型參數(shù)的組合優(yōu)化算法[A];全國計算物理學會第六屆年會和學術交流會論文摘要集[C];2007年

9 高軍;陽川;;性能退化數(shù)據(jù)的歸一化處理方法[A];中國電子學會可靠性分會第十四屆學術年會論文選[C];2008年

10 陳濤;王銜;元國凱;劉晉超;;海上風電支撐結構使用安全管理[A];第三屆中國風電后市場專題研討會論文集[C];2016年

相關重要報紙文章 前4條

1 ;網(wǎng)絡應用的資源難題[N];網(wǎng)絡世界;2003年

2 ;國內長毛兔飼養(yǎng)存在的問題[N];中國畜牧獸醫(yī)報;2008年

3 本報記者 次仁羅布;良馬有心日馳千[N];西藏日報;2004年

4 本報記者 劉麗麗;90%大企業(yè)觸及“私有云”[N];計算機世界;2010年

相關博士學位論文 前10條

1 齊佳;性能退化自恢復產(chǎn)品的相關競爭失效可靠性建模與評估[D];哈爾濱理工大學;2019年

2 朱江;固體氧化物燃料電池的性能退化模擬與抗積碳陽極設計[D];中國科學技術大學;2018年

3 黃文平;基于性能退化與沖擊的競爭失效可靠性建模與維修優(yōu)化研究[D];國防科學技術大學;2016年

4 丁傳俊;小口徑火炮關鍵零件及自動機性能退化建模方法研究[D];南京理工大學;2018年

5 牛乾;機械旋轉部件的性能退化及其壽命預測方法研究[D];浙江大學;2018年

6 趙建印;基于性能退化數(shù)據(jù)的可靠性建模與應用研究[D];國防科學技術大學;2005年

7 袁容;基于性能退化分析的可靠性方法研究[D];電子科技大學;2015年

8 張彬;數(shù)據(jù)驅動的機械設備性能退化建模與剩余壽命預測研究[D];北京科技大學;2016年

9 郭磊;基于核模式分析方法的旋轉機械性能退化評估技術研究[D];上海交通大學;2009年

10 肖文斌;基于耦合隱馬爾可夫模型的滾動軸承故障診斷與性能退化評估研究[D];上海交通大學;2011年

相關碩士學位論文 前10條

1 薛冬;滾動軸承故障診斷及性能退化評估[D];東北電力大學;2019年

2 高安澤;基于超球體支持向量機的滾動軸承性能退化趨勢預測[D];哈爾濱理工大學;2018年

3 徐繼亞;電機軸承的智能故障診斷與性能退化趨勢預測[D];江南大學;2018年

4 付洋;考慮性能退化的機械裝備服役可靠性評估方法研究[D];西安電子科技大學;2018年

5 趙飛;滾動軸承性能退化的累積特征及集成預測模型研究[D];中國石油大學（北京）;2017年

6 沈培根;鐵路信號繼電器多參數(shù)性能退化及壽命預測的研究[D];河北工業(yè)大學;2016年

7 馮靜;�；O備性能退化及健康管理策略研究[D];江蘇科技大學;2018年

8 千正楷;服役后車體關鍵部位材料斷裂性能退化研究[D];東北大學;2017年

9 程曉文;基于性能退化過程的序列優(yōu)化方法與應用研究[D];電子科技大學;2018年

10 王麗梅;基于加速性能退化數(shù)據(jù)的產(chǎn)品可靠性建模方法研究[D];西南交通大學;2018年

本文編號：2691794