發(fā)布時(shí)間：2020-06-05 20:56

【摘要】：滾動(dòng)軸承作為旋轉(zhuǎn)機(jī)械中應(yīng)用最多且最容易損壞的部件之一,其運(yùn)行狀態(tài)的好壞對(duì)設(shè)備本身和生產(chǎn)活動(dòng)都有著重大的影響,深入開展?jié)L動(dòng)軸承故障診斷和狀態(tài)檢測(cè)技術(shù)的研究,對(duì)于保障設(shè)備平穩(wěn)運(yùn)行、減少事故發(fā)生具有重要意義。本文以滾動(dòng)軸承為研究對(duì)象,從振動(dòng)信號(hào)分析入手,將變分模態(tài)分解的時(shí)頻信號(hào)處理方法和支持向量機(jī)的模式識(shí)別方法相結(jié)合,研究一種用于滾動(dòng)軸承的故障診斷和狀態(tài)識(shí)別方法。首先,本文對(duì)滾動(dòng)軸承的故障機(jī)理和常用分析方法進(jìn)行了詳細(xì)的論述。結(jié)合相關(guān)圖形對(duì)滾動(dòng)軸承的結(jié)構(gòu)與類型進(jìn)行簡(jiǎn)單的說明,在分析滾動(dòng)軸承振動(dòng)機(jī)理的基礎(chǔ)上,對(duì)其故障類型及原因、故障特征頻率以及常用分析方法等做了較為細(xì)致的分析,最后結(jié)合實(shí)際軸承信號(hào)對(duì)不同故障狀態(tài)下的振動(dòng)信號(hào)的特性進(jìn)行了闡述。其次,研究了變分模態(tài)分解(VMD)這一時(shí)頻信號(hào)處理方法并將其用于滾動(dòng)軸承的早期故障診斷。在對(duì)VMD的相關(guān)原理進(jìn)行闡述的基礎(chǔ)之上,為了展現(xiàn)該方法對(duì)信號(hào)的處理效果,針對(duì)信號(hào)的模態(tài)混疊問題構(gòu)造了相關(guān)仿真信號(hào)并引入經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)方法與其對(duì)比,通過對(duì)比兩種方法對(duì)于仿真信號(hào)的處理結(jié)果展現(xiàn)出變分模態(tài)分解方法的優(yōu)異性。針對(duì)VMD在使用過程中的參數(shù)確定問題,提出以觀察中心頻率和局部峭度極大值尋優(yōu)相結(jié)合的解決方法,并在滾動(dòng)軸承的早期故障診斷中進(jìn)行了方法的驗(yàn)證。再次,研究了多種群遺傳算法(MPGA)的支持向量機(jī)(SVM)的參數(shù)優(yōu)化方法,并創(chuàng)建用于滾動(dòng)軸承狀態(tài)分類的MPGA-SVM模型。針對(duì)支持向量機(jī)模型中的參數(shù)選取問題考慮采用遺傳算法進(jìn)行優(yōu)化,為比較標(biāo)準(zhǔn)遺傳算法和多種群遺傳算法的優(yōu)化效果,通過尋優(yōu)實(shí)例證實(shí)了多種群遺傳算法的優(yōu)化效果更好,最后將多種群遺傳算法應(yīng)用于SVM模型的參數(shù)優(yōu)化問題,從而建立了用于滾動(dòng)軸承狀態(tài)分類的MPGA-SVM模型。最后,提出了一種基于VMD-SVD與MPGA-SVM的滾動(dòng)軸承故障診斷方法。鑒于變分模態(tài)分解方法在故障特征提取中的優(yōu)異表現(xiàn),引入奇異值分解方法與其相結(jié)合形成一種基于VMD-SVD的故障特征提取方法,將該故障特征提取方法與上節(jié)構(gòu)建的MPGA-SVM相結(jié)合從而提出一種基于VMD-SVD與MPGASVM的滾動(dòng)軸承故障診斷方法。為了展現(xiàn)所提方法的應(yīng)用效果,將其應(yīng)用于兩個(gè)軸承數(shù)據(jù)庫的故障診斷,良好的故障診斷效果證明了本文所提方法的有效性。為了便于本文方法的展示與應(yīng)用,在本文所提方法的基礎(chǔ)之上,設(shè)計(jì)了相關(guān)的人機(jī)交互界面。
【圖文】：

2 滾動(dòng)軸承故障機(jī)理及分析方法2 Fault Mechanism and Analysis Method of RollingBearing滾動(dòng)軸承是機(jī)械設(shè)備中應(yīng)用較為廣泛的軸承類型之一，由于工作環(huán)境復(fù)雜多變，是旋轉(zhuǎn)機(jī)械所有部件中故障發(fā)生率較高的一種，，滾動(dòng)軸承的運(yùn)行狀態(tài)好壞對(duì)整個(gè)機(jī)械的設(shè)備運(yùn)行狀態(tài)影響較多，研究滾動(dòng)軸承的典型結(jié)構(gòu)和相關(guān)故障診斷理論知識(shí)，有助于診斷和預(yù)防生產(chǎn)和使用中的各種軸承故障，具有一定的理論和現(xiàn)實(shí)意義。2.1 滾動(dòng)軸承的結(jié)構(gòu)與類型（Structure and Type of RollingBearing）滾動(dòng)軸承一般由內(nèi)圈、外圈、滾動(dòng)體以及保持架這四部分組成，其結(jié)構(gòu)圖與軸向剖視圖如下圖 2-1 所示。

2 滾動(dòng)軸承故障機(jī)理及分析方法承的運(yùn)轉(zhuǎn)狀態(tài)主要是外圈保持靜止，而內(nèi)圈隨軸轉(zhuǎn)動(dòng)。滾動(dòng)體形、圓柱形以及鼓形等，其通過保持架被固定在內(nèi)外圈形成的滾道運(yùn)轉(zhuǎn)，通過這種方式將摩擦形式由滑動(dòng)摩擦轉(zhuǎn)變?yōu)闈L動(dòng)摩擦，有提高。保持架除了有將滾動(dòng)體固定于滾道之中的作用外，其結(jié)構(gòu)動(dòng)體可以等間距分布，此舉也消減了滾動(dòng)體之間的摩損。滾動(dòng)軸前較常用的滾動(dòng)軸承類型如下圖 2-2 所示。
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TH133.33

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 邵巖;盧迪;楊廣學(xué);;分?jǐn)?shù)階傅里葉變換在軸承故障診斷中的應(yīng)用[J];哈爾濱理工大學(xué)學(xué)報(bào);2017年03期

2 喬世民;軸承故障診斷技術(shù)的發(fā)展[J];中國設(shè)備管理;1989年01期

3 鮑明;趙淳生;紀(jì)國宜;陳志強(qiáng);;MDS-1軸承故障診斷系統(tǒng)[J];振動(dòng)、測(cè)試與診斷;1989年04期

4 甄敬然;趙偉軍;;基于經(jīng)驗(yàn)?zāi)B(tài)分解和形態(tài)濾波的礦用軸承故障診斷[J];煤炭技術(shù);2017年07期

5 沙美妤;劉利國;;基于振動(dòng)信號(hào)的軸承故障診斷技術(shù)綜述[J];軸承;2015年09期

6 山紅偉;;煤礦機(jī)械齒輪和軸承故障診斷研究[J];科技致富向?qū)?2015年17期

7 袁洪芳;姜宇萱;王華慶;;基于詞袋模型和極限學(xué)習(xí)機(jī)的軸承故障診斷[J];測(cè)控技術(shù);2017年02期

8 劉琦;;基于小波分析的軸承故障診斷研究[J];煤;2013年07期

9 蘇明輝;薛光輝;趙國瑞;張明;;渣漿泵軸承故障診斷系統(tǒng)設(shè)計(jì)與應(yīng)用[J];煤炭工程;2009年02期

10 江偉;;機(jī)車軸承故障診斷中的多智能傳感器技術(shù)應(yīng)用分析[J];鐵路計(jì)算機(jī)應(yīng)用;2008年03期

相關(guān)會(huì)議論文 前10條

1 劉鋒;馬懷祥;王亞濤;;基于共振解調(diào)的滾動(dòng)軸承故障診斷[A];現(xiàn)代振動(dòng)與噪聲技術(shù)（第九卷）[C];2011年

2 徐新韜;王華慶;沈偉;李嶺陽;楊曉;;基于信息融合與1.5維譜的軸承故障診斷方法[A];2015年中國機(jī)械工程學(xué)會(huì)設(shè)備與維修工程分會(huì)學(xué)術(shù)年會(huì)論文集[C];2015年

3 郜普剛;何田;林意洲;劉獻(xiàn)棟;;基于局部均值分解的滾動(dòng)軸承故障診斷[A];2010中國汽車工程學(xué)會(huì)年會(huì)論文集[C];2010年

4 李琳;張永祥;童艷;;基于聲發(fā)射和高階譜分析的滾動(dòng)軸承故障診斷[A];設(shè)備監(jiān)測(cè)與診斷技術(shù)及其應(yīng)用——第十二屆全國設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集[C];2005年

5 高耀智;譚援強(qiáng);;基于1(1/2)譜與小波分析相結(jié)合的滾動(dòng)軸承故障診斷[A];2009年全國青年摩擦學(xué)學(xué)術(shù)會(huì)議論文集[C];2009年

6 任獲榮;馬亞男;李勝剛;;熵隨機(jī)共振在軸承故障診斷中的應(yīng)用研究[A];2012年陜西省焊接學(xué)術(shù)交流會(huì)論文集[C];2012年

7 沈路;周曉軍;張杰;;基于形態(tài)非抽樣小波與灰色關(guān)聯(lián)度的滾動(dòng)軸承故障診斷[A];2011年機(jī)械電子學(xué)學(xué)術(shù)會(huì)議論文集[C];2011年

8 曹亮;王景霖;沈勇;單添敏;林澤力;陳杰;;基于HMM的軸承故障診斷方法[A];“測(cè)試性與智能測(cè)控技術(shù)”——2018年中國航空測(cè)控技術(shù)�？痆C];2018年

9 陶巖;朱華;王萬迅;賀勇;李剛;謝鳴;;國產(chǎn)狀態(tài)監(jiān)測(cè)系統(tǒng)在軸承故障診斷上的應(yīng)用[A];2016年全國設(shè)備監(jiān)測(cè)診斷與維護(hù)學(xué)術(shù)會(huì)議暨第十五屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議、第十七屆全國設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議、2016年全國設(shè)備診斷工程會(huì)議論文集[C];2016年

10 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(huì)議論文集[C];2008年

相關(guān)重要報(bào)紙文章 前1條

1 通訊員 蔡義杰 記者 唐先武;軸承故障診斷有了“透視鏡”[N];科技日?qǐng)?bào);2001年

相關(guān)博士學(xué)位論文 前5條

1 梁瑜;地鐵列車軸承故障診斷及在途診斷系統(tǒng)研究[D];北京交通大學(xué);2014年

2 褚東亮;旋轉(zhuǎn)機(jī)械故障信號(hào)分析及診斷技術(shù)研究[D];華北電力大學(xué)(北京);2017年

3 胡永濤;基于多特征融合及深度信念網(wǎng)絡(luò)的軸承故障診斷[D];燕山大學(xué);2017年

4 王雷;基于流形學(xué)習(xí)的滾動(dòng)軸承故障診斷若干方法研究[D];大連理工大學(xué);2013年

5 周俊;機(jī)械故障信號(hào)欠定源估計(jì)與盲提取方法研究[D];昆明理工大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 彭劉陽;基于振動(dòng)信號(hào)的滾動(dòng)軸承故障診斷與狀態(tài)識(shí)別方法研究[D];中國礦業(yè)大學(xué);2019年

2 董德億;基于輸出信號(hào)相關(guān)性分析的軸承故障診斷方法[D];杭州電子科技大學(xué);2018年

3 鄭慶標(biāo);基于小波分析的軸承故障診斷系統(tǒng)的研制及應(yīng)用[D];北京交通大學(xué);2018年

4 謝乾坤;城軌列車軸承故障診斷試驗(yàn)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];長(zhǎng)安大學(xué);2018年

5 劉恩仁;風(fēng)電機(jī)組傳動(dòng)鏈軸承故障診斷[D];華北電力大學(xué)(北京);2018年

6 徐劍濤;基于極點(diǎn)對(duì)稱模態(tài)分解及改進(jìn)支持向量機(jī)的軸承故障診斷[D];燕山大學(xué);2018年

7 齊申武;基于振動(dòng)信號(hào)分析的滾動(dòng)軸承故障診斷及壽命預(yù)測(cè)研究[D];燕山大學(xué);2018年

8 黃陽;基于振動(dòng)信號(hào)降噪與分解的軸承故障診斷研究[D];西安理工大學(xué);2018年

9 羅映蓮;基于改進(jìn)粒子群和SVM的電機(jī)軸承故障診斷方法研究[D];大連交通大學(xué);2017年

10 黃建新;多傳感器數(shù)據(jù)融合技術(shù)在軸承故障診斷中的應(yīng)用研究[D];武漢理工大學(xué);2006年

本文編號(hào)：2698603