發(fā)布時(shí)間：2020-12-29 23:31

　　滾動軸承被稱作旋轉(zhuǎn)機(jī)械的“心臟”,同時(shí)也是旋轉(zhuǎn)機(jī)械中最容易受損的部件之一。為了實(shí)時(shí)、準(zhǔn)確、高效地識別滾動軸承的運(yùn)行狀態(tài),結(jié)合機(jī)器學(xué)習(xí)的手段對滾動軸承實(shí)施故障診斷意義重大。然而,傳統(tǒng)的振動信號故障診斷方法需要安裝振動傳感器從而對機(jī)械設(shè)備造成損傷。針對這一問題,本文將旋轉(zhuǎn)機(jī)械運(yùn)行時(shí)的噪聲信號作為軸承狀態(tài)的監(jiān)測信號,利用噪聲信號非接觸式測量的優(yōu)點(diǎn),克服了振動信號故障診斷方法的不足。本文對滾動軸承噪聲信號的特征提取、特征篩選以及故障分類算法進(jìn)行了研究,提出了一種基于MFCC-CDET的滾動軸承故障噪聲診斷算法。將美爾倒譜系數(shù)（MFCC）作為噪聲信號的特征向量,引入補(bǔ)償距離評估技術(shù)（CDET）進(jìn)行特征篩選,將篩選后的特征輸入支持向量機(jī)（SVM）分類器進(jìn)行故障分類,并通過實(shí)驗(yàn)驗(yàn)證了這一方法的有效性與優(yōu)越性。針對滾動軸承狀態(tài)監(jiān)測初期,樣本庫中沒有故障樣本的情況下有監(jiān)督分類算法無法施展的問題,采用機(jī)器學(xué)習(xí)中無監(jiān)督的異常檢測算法,將樣本庫中存在的正常樣本視作目標(biāo)樣本,引入單高斯模型對正常樣本集進(jìn)行邊界建模,用于滾動軸承異常狀態(tài)檢測。將基于單高斯模型的邊界建模算法與基于支持向量描述（SVDD）的邊界建模算... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

故障診斷流程

圖 3-6 故障診斷模擬實(shí)驗(yàn)臺Figure 3-6 Fault diagnosis simulation experiment通過噪聲傳感器采集了旋轉(zhuǎn)設(shè)備在四種軸承運(yùn)行狀態(tài)下的噪聲信號。電機(jī)為 1800rpm，噪聲采樣頻率為 44100Hz。軸承外圈故障、滾珠故障、內(nèi)圈故障常四類狀態(tài)模式下的噪聲信號如圖 3-7、圖 3-8 所示。0 1 2 3 4 5 6 7 8 9 10x 104-101幅值外圈故障0 1 2 3 4 5 6 7 8 9 104-101采樣點(diǎn)（個）幅值滾珠故障


本文編號：2946542