【摘要】：機(jī)械設(shè)備大多處于惡劣的工作環(huán)境中,這些環(huán)境是不適合操作人員現(xiàn)場(chǎng)操作的,因此實(shí)時(shí)采集機(jī)械設(shè)備的運(yùn)行數(shù)據(jù),遠(yuǎn)程對(duì)機(jī)械設(shè)備進(jìn)行故障診斷和性能評(píng)估的研究是十分有意義的。作為旋轉(zhuǎn)機(jī)械的核心部件,滾動(dòng)軸承的故障發(fā)生率更高,據(jù)數(shù)據(jù)表明,由滾動(dòng)軸承的損壞所引起機(jī)械設(shè)備的故障占總故障的30%。因此對(duì)滾動(dòng)軸承進(jìn)行機(jī)理分析,進(jìn)而診斷軸承的故障,最終評(píng)估軸承的性能是旋轉(zhuǎn)機(jī)械領(lǐng)域的重點(diǎn)研究問題。針對(duì)傳統(tǒng)的故障診斷方法在特征提取過程中主要采用少量特征而無法達(dá)到最優(yōu)的故障診斷準(zhǔn)確率的問題,提出了一種基于集合經(jīng)驗(yàn)?zāi)B(tài)分解和多特征融合的故障診斷方法。該方法可以準(zhǔn)確的對(duì)滾動(dòng)軸承內(nèi)圈和外圈在不同嚴(yán)重程度的損壞下的故障進(jìn)行分類識(shí)別,效果優(yōu)于提取少量特征的結(jié)果。然而,此方法存在提取的特征較多,導(dǎo)致計(jì)算速度較慢的問題。針對(duì)多特征存在計(jì)算復(fù)雜且傳統(tǒng)的支持向量機(jī)分類參數(shù)容易陷入局部最優(yōu)的問題,本文提出一種基于集合經(jīng)驗(yàn)?zāi)B(tài)分解和布谷鳥搜索優(yōu)化支持向量機(jī)的故障診斷方法,該方法對(duì)本征模態(tài)函數(shù)只提取均方根作為特征,并且使用布谷鳥搜索算法對(duì)支持向量機(jī)進(jìn)行優(yōu)化,自適應(yīng)的選取最優(yōu)參數(shù)進(jìn)行故障分類,該方法不僅可以準(zhǔn)確的對(duì)軸承內(nèi)外圈在不同損壞程度下的故障進(jìn)行診斷,還可以準(zhǔn)確的對(duì)軸承滾動(dòng)體的不同故障位置進(jìn)行診斷。基于變分模態(tài)分解的滾動(dòng)軸承的信號(hào)處理方法存在中心頻率容易陷入局部最優(yōu)以及分解層數(shù)需人為選擇兩個(gè)問題,此外傳統(tǒng)的性能評(píng)估方法缺少對(duì)時(shí)間序列信息的考慮,對(duì)信號(hào)數(shù)據(jù)的擬合誤差較大。針對(duì)以上問題,本文提出了基于改進(jìn)變分模態(tài)分解和長(zhǎng)短期記憶網(wǎng)絡(luò)的滾動(dòng)軸承性能評(píng)估方法。該方法使用布谷鳥搜索優(yōu)化中心頻率迭代,通過瞬時(shí)頻率理論自適應(yīng)的選擇信號(hào)分解層數(shù),徹底解決變分模態(tài)分解的中心頻率迭代陷入局部最優(yōu)問題以及分解層數(shù)需人為選擇問題。提出將長(zhǎng)短期記憶網(wǎng)絡(luò)用于對(duì)提取的方差特征時(shí)間序列進(jìn)行擬合,極大地降低了擬合誤差,并針對(duì)擬合信號(hào)進(jìn)行分析,找出了滾動(dòng)軸承的性能變化規(guī)律,該方法將長(zhǎng)短期記憶網(wǎng)絡(luò)引入滾動(dòng)軸承的性能評(píng)估方法中,為評(píng)估滾動(dòng)軸承的性能提供了一種有效的方法。
【學(xué)位授予單位】：遼寧石油化工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TH133;TP277
【圖文】：

圖 1.1 故障診斷方法分類Fig.1.1 Classification of Fault Diagnosis Methods基于模型的方法直接對(duì)過程的數(shù)學(xué)模型進(jìn)行分析，完全依靠數(shù)學(xué)公式對(duì)故障機(jī)理進(jìn)行描述，對(duì)于無法得到數(shù)學(xué)模型的復(fù)雜工程難以應(yīng)用；基于定性經(jīng)驗(yàn)的方法分為圖搜索和專家經(jīng)驗(yàn)方法，圖搜索方法建模簡(jiǎn)單，結(jié)論利于理解，專家經(jīng)驗(yàn)方法在知識(shí)庫較為全面的前提下會(huì)得到很好的效果，然而在復(fù)雜的工程中想獲得大量的知識(shí)是十分困難的，因此兩種方法也都不適用于復(fù)雜過程的故障診斷；基于數(shù)據(jù)的方法不要求完全掌握生產(chǎn)過程、只需獲取生產(chǎn)時(shí)的采樣數(shù)據(jù)，進(jìn)而對(duì)該數(shù)據(jù)進(jìn)行分析，該方法適用范圍廣，因此本文采用基于數(shù)據(jù)驅(qū)動(dòng)的方法對(duì)滾動(dòng)軸承展開研究。旋轉(zhuǎn)機(jī)械性能評(píng)估與預(yù)測(cè)是旋轉(zhuǎn)機(jī)械可靠性的核心研究?jī)?nèi)容，為了使本課題關(guān)于旋轉(zhuǎn)機(jī)械性能評(píng)估與預(yù)測(cè)的研究工作更具有說服力和代表性，本文選擇的研究對(duì)象是廣泛應(yīng)用于各種旋轉(zhuǎn)機(jī)械中并且特別容易出現(xiàn)損傷的關(guān)鍵部件——滾動(dòng)軸承。通過對(duì)滾動(dòng)軸承故障診斷，可以準(zhǔn)確判斷滾動(dòng)軸承是否出現(xiàn)故障，并且判斷出滾動(dòng)軸承發(fā)生

2 滾動(dòng)軸承故障機(jī)理分析與數(shù)據(jù)監(jiān)測(cè)方法2.1 滾動(dòng)軸承故障機(jī)理分析2.1.1 滾動(dòng)軸承以及常見故障滾動(dòng)軸承主要由四部分組成：內(nèi)圈、滾動(dòng)體、保持架和外圈。當(dāng)滾動(dòng)軸承工作時(shí)，內(nèi)圈與中軸一起轉(zhuǎn)動(dòng)，外圈固定在機(jī)器的軸承孔中，通常是固定不動(dòng)的。內(nèi)圈和外圈上擁有軌道，當(dāng)軸承工作時(shí)，內(nèi)圈和外圈產(chǎn)生相對(duì)轉(zhuǎn)動(dòng)，而滾動(dòng)體則沿著軌道滾動(dòng)，保持架使?jié)L動(dòng)體均勻散布在軌道上，作用是降低滾動(dòng)體之間的撞擊幾率，從而減少滾動(dòng)體的磨損。其具體的結(jié)構(gòu)如圖 2.1 所示。

的滾動(dòng)軸承的故障數(shù)據(jù)來源于美國(guó)CWRU軸承數(shù)據(jù)不再贅述。據(jù)、內(nèi)圈缺陷0.18mm數(shù)據(jù)、內(nèi)圈缺陷0.36mm數(shù)據(jù)內(nèi)圈缺陷0.71mm數(shù)據(jù)、滾動(dòng)體缺陷0.18mm數(shù)據(jù)（3點(diǎn)圈缺陷0.18mm數(shù)據(jù)、外圈缺陷0.36mm數(shù)據(jù)、外圈缺數(shù)據(jù)，訓(xùn)練集和測(cè)試集各取20組。D 方法進(jìn)行數(shù)據(jù)處理，并且提取變換后的 14 個(gè) IMF（作為特征輸入 CS-SVM、PSO-SVM、GA-SVM 進(jìn)行法種群最優(yōu)準(zhǔn)確率辨識(shí)度較差，所以選擇平均準(zhǔn)確法的差距，三種算法每次迭代的種群平均準(zhǔn)確率如

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳婧敏;;基于KNN回歸的短時(shí)交通流預(yù)測(cè)[J];微型電腦應(yīng)用;2015年09期

2 陳俊君;徐冰;;基于無量綱指標(biāo)與小波變換的軸承故障診斷研究[J];煤礦機(jī)械;2015年05期

3 楊青;孫佰聰;朱美臣;楊青川;劉念;;基于小波包熵和聚類分析的滾動(dòng)軸承故障診斷方法[J];南京理工大學(xué)學(xué)報(bào);2013年04期

4 李舜酩;郭海東;李殿榮;;振動(dòng)信號(hào)處理方法綜述[J];儀器儀表學(xué)報(bào);2013年08期

5 薛光輝;趙新贏;吉曉冬;;基于沖擊脈沖法滾動(dòng)軸承狀態(tài)監(jiān)測(cè)研究[J];煤炭工程;2013年04期

6 姚國(guó)龍;;旋轉(zhuǎn)機(jī)械滾動(dòng)軸承故障機(jī)理與故障分析[J];科技信息;2010年33期

7 程明;;油液分析技術(shù)在船舶軸承故障診斷中的應(yīng)用[J];中國(guó)設(shè)備工程;2010年10期

8 韓業(yè)鋒;仲濤;石磊;;基于包絡(luò)譜分析的滾動(dòng)軸承故障診斷分析[J];機(jī)械研究與應(yīng)用;2010年04期

9 萬書亭;吳美玲;;基于時(shí)域參數(shù)趨勢(shì)分析的滾動(dòng)軸承故障診斷[J];機(jī)械工程與自動(dòng)化;2010年03期

10 余永增;韓龍;戴光;;基于聲發(fā)射的滾動(dòng)軸承故障診斷方法[J];無損檢測(cè);2010年06期

相關(guān)博士學(xué)位論文 前2條

1 夏麗莎;基于隱馬爾可夫模型的故障診斷及相關(guān)算法研究[D];華中科技大學(xué);2014年

2 杜燦誼;基于建模仿真與振動(dòng)分析的發(fā)動(dòng)機(jī)故障診斷方法研究[D];華南理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前3條

1 張瀟瀟;基于規(guī)范變量分析的化工過程故障診斷方法研究[D];蘭州理工大學(xué);2015年

2 李超;基于監(jiān)測(cè)數(shù)據(jù)的機(jī)械設(shè)備剩余壽命預(yù)測(cè)研究[D];大連理工大學(xué);2014年

3 楊珊;基于異常聲音的貨運(yùn)列車滾動(dòng)軸承故障診斷方法研究[D];中南大學(xué);2012年

本文編號(hào)：2747197