滾動軸承是數(shù)控機床中支撐回轉(zhuǎn)零件的關鍵部件。軸承一旦發(fā)生故障會嚴重影響機床的正常工作,情況嚴重時還可能造成重大安全事故。有數(shù)據(jù)顯示,目前數(shù)控設備中百分之三十的故障是由于軸承故障引起的。因此,開展數(shù)控機床滾動軸承的故障診斷研究,監(jiān)測機床軸承的運行狀態(tài),具有重要的經(jīng)濟和實用意義。傳統(tǒng)的滾動軸承故障診斷方法通常只是從振動信號的時域特征出發(fā),抑或單純地從頻域角度進行診斷研究,這樣難以全面反映故障信號的特征。此外,故障特征與故障模式之間并非簡單的線性關系。因而,依靠單域特征方法或經(jīng)驗是不能很好地解決滾動軸承故障診斷問題的。本課題全面系統(tǒng)地研究分析滾動軸承的振動信號特征以及故障機理;應用小波包技術對軸承振動信號進行降噪處理;全面分析信號的時域與頻域特征,綜合選取時、頻兩域適當部分無量綱參數(shù)作為故障診斷特征參數(shù),從而有效且全面地體現(xiàn)出故障特征,為故障的準確診斷奠定基礎。利用神經(jīng)網(wǎng)絡的自學習、自適應以及強大的非線性能力,對軸承故障模式進行識別。以某企業(yè)型號為LGMazak VTC-16A的立式加工中心傳動系統(tǒng)中的HS71909-C-T-P4S角接觸球軸承為研究對象,根據(jù)軸承故障特征參數(shù)和故障類型特點,設計并建立相應BP神經(jīng)網(wǎng)絡模型。選用北京航天智控監(jiān)測技術研究院生產(chǎn)的AIC9000多功能轉(zhuǎn)子系統(tǒng)實驗臺,采集實驗數(shù)據(jù)并構造網(wǎng)絡模型的訓練樣本。利用MATLAB軟件平臺對網(wǎng)絡模型進行訓練、測試,驗證本文故障診斷方法的可行性及有效性。分析實驗研究結果表明:本文所構建的滾動軸承故障診斷方法效果良好,能有效地識別出軸承的故障類型。
【學位單位】：河北工程大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TH133.33
【部分圖文】：

第 2 章 滾動軸承的故障機理分析床傳動系統(tǒng)況下，數(shù)控機床進給傳動系統(tǒng)主要是由機械傳動裝置構中，加工工件與刀具的位置關系就是依靠進給傳動系統(tǒng)是閉環(huán)抑或是開環(huán)進給傳動系統(tǒng)，其穩(wěn)定性、靈敏性以到加工工件的質(zhì)量與精度。機床傳動系統(tǒng)分析機床進給傳動系統(tǒng)中，支撐絲杠兩端的軸承除了承受其向載荷外，主要是承受軸向載荷。本文所研究的軸承支一端固定的方式，具體如圖 2-1 所示。

圖 2-2 滾動軸承結構示意圖Fig.2-2 Schematic diagram of rolling bearing structure 2-2 所示滾動軸承參數(shù)表示的意義如下：D 表示軸承節(jié)圓的直徑，即軸承滾動體中心所在圓的直徑；；d 表示滾動體的平均直徑；r1 表示軸承內(nèi)圈滾道的平均半徑；r2 表示軸承外圈滾道的平均半徑；a 表示接觸角。 滾動軸承的故障成因?qū)嵣�，滾動軸承是一個很容易耗損的部件，經(jīng)常會發(fā)生故障并導這其中的原因也有很多，各種各樣的原因都會對軸承造成損壞床加工過程中，載荷過大，潤滑條件不好及各種液體的腐蝕等在正常的狀態(tài)下，如果軸承一直處于工作狀態(tài)也會出現(xiàn)磨損及而發(fā)生故障失效[28]。

機床高速運轉(zhuǎn)時，會使軸承自身接觸面間隙加大，導致表面被其尤其是在潤滑不到位和受力不均時，摩擦產(chǎn)熱造成撕裂、粘著等 滾動軸承的主要失效形式控機床滾動軸承的常見失效形式主要包括：疲勞失效、磨損失效腐蝕失效等[29]。疲勞失效于滾動軸承來說，疲勞失效主要指的是接觸疲勞。機床滾動軸承外圈的接觸表面在長期反復接觸應力的作用下，其表面就會以點金屬基體分離剝落。剝落尺寸較小的成為點蝕，尺寸變大后就會。疲勞失效現(xiàn)象如圖 2-3 所示。

【參考文獻】

相關期刊論文 前10條

1 李群燕;幸福堂;桂瞬豐;;基于BP神經(jīng)網(wǎng)絡的機械系統(tǒng)故障診斷[J];安全與環(huán)境工程;2015年06期

2 王皓;周峰;;基于小波包和BP神經(jīng)網(wǎng)絡的風機齒輪箱故障診斷[J];噪聲與振動控制;2015年02期

3 楊建偉;蔡國強;姚德臣;黃強;李捷;;基于小波包變換和BP網(wǎng)絡的鐵道車輛滾動軸承故障診斷方法[J];中國鐵道科學;2010年06期

4 陳牧野;何亞飛;;基于小波包分析的數(shù)控機床主軸滾動軸承故障診斷[J];上海第二工業(yè)大學學報;2010年02期

5 盧艷輝,尹澤勇;基于小波包分析方法的航空發(fā)動機滾動軸承故障診斷[J];燃氣渦輪試驗與研究;2005年01期

6 陸爽,曲守平,張曉輝;小波分析在軸承故障診斷中的應用[J];長春大學學報;2000年06期

7 程軍圣,于德介;離散余弦變換在滾動軸承故障診斷中的應用[J];振動與沖擊;2000年03期

8 常家東;人工神經(jīng)網(wǎng)絡故障診斷及應用[J];礦山機械;1998年08期

9 張中民,盧文祥,楊叔子,張英堂,張培林,鄭海起;基于小波系數(shù)包絡譜的滾動軸承故障診斷[J];振動工程學報;1998年01期

10 譚工;神經(jīng)網(wǎng)絡在軸承故障診斷中的應用[J];模糊系統(tǒng)與數(shù)學;1995年03期

相關博士學位論文 前3條

1 曹偉青;機械早期故障弱信號提取及智能診斷研究[D];西南交通大學;2015年

2 王海;制造裝備遠程監(jiān)控故障診斷系統(tǒng)研究[D];東北大學;2012年

3 胡峰;數(shù)控機床進給系統(tǒng)動態(tài)特性辨識與狀態(tài)監(jiān)測方法研究[D];華中科技大學;2009年

相關碩士學位論文 前10條

1 楊治飛;滾動軸承的故障特征提取及剩余壽命預測研究[D];山東理工大學;2017年

2 陳同興;臥式加工中心遠程故障診斷系統(tǒng)開發(fā)[D];昆明理工大學;2017年

3 管慶磊;小波神經(jīng)網(wǎng)絡在滾動軸承故障診斷中的應用研究[D];河南工業(yè)大學;2017年

4 馮春生;基于多源不確定信息融合的數(shù)控機床滾動軸承故障診斷方法與實驗研究[D];青島理工大學;2015年

5 王斌;基于小波分析和BP神經(jīng)網(wǎng)絡的滾動軸承故障診斷方法研究[D];蘭州交通大學;2014年

6 溫國強;基于多信息源的滾動軸承故障診斷方法與實驗研究[D];青島理工大學;2013年

7 劉玉龍;重型臥式車床回轉(zhuǎn)部件裝配故障診斷技術研究[D];哈爾濱工業(yè)大學;2013年

8 王巖;基于支持向量機的數(shù)控機床進給系統(tǒng)滾動軸承故障診斷研究[D];青島理工大學;2013年

9 林錦州;滾動軸承早期故障信號特征提取方法及應用研究[D];天津大學;2012年

10 張磊;數(shù)控機床故障監(jiān)測與診斷系統(tǒng)的研究[D];山東大學;2012年

本文編號：2813990