現(xiàn)代機械裝置隨著人類社會的進步,科技含量越來越高,人們對機械裝置正常運轉的效率和安全的完美追求也在與日俱增。作為機械裝置中常用的部件,滾動軸承的優(yōu)劣與設備整體的運行安全息息相關。因此對軸承的診斷和合理維護不僅可將其工作效率和性能發(fā)揮到極致,也能適應節(jié)能環(huán)保的大環(huán)境要求。本文的立足點是基于聲信號對滾動軸承進行診斷,首先闡述了軸承常見的故障及原理、主要故障位置下的頻率計算推導。同時對軸承的振動與噪聲的產(chǎn)生機制和傳播特性總結,理論上尋找二者的關系,為后續(xù)搭建實驗平臺和實驗測量奠定基礎。其次針對軸承聲信號的特點將已有的試驗平臺結合現(xiàn)有的試驗儀器設備改進,由單一的振動信號檢測改為振聲信號檢測。以現(xiàn)有實驗臺為基礎改建并實驗,測量振動信號和聲信號,比較結果以確保實驗的準確。實驗分析選擇波形分析法處理,論述了局域均值分解方法的原理以及基本步驟,并引入最大峭度解卷積和排列熵,對故障軸承信號進行篩選提取,并對提取的特征信息進行包絡譜分析,尋找故障頻率。并用多種不同的軸承信號驗證,證明此方法的有效。最后對支持向量機算法做了一個闡述,利用其尋找最優(yōu)分類面的原理和小樣本數(shù)量下良好分類的優(yōu)點自行設計了一個支持向量... 

【文章來源】：寧夏大學寧夏回族自治區(qū) 211工程院校

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【部分圖文】：

圖１－１軸承損毀的故障狀況和事故??

經(jīng)驗總結出滾動體、內(nèi)外圈表面分別出現(xiàn)缺陷時的頻率、等計算頻率的公式。上述提到的公式為滾動軸承故障診斷譜分析等技術的快速發(fā)展，人們開始將時域和頻域分析方。??結構??廣泛的精密元件，滾動軸承主要將運轉的軸與軸座間的滑將工作效率進一步提高［１２］。其主要是對高速旋轉的軸及軸位置、確保運轉精度不降低。滾動軸承工作可靠，維護簡。元件主要由四部分構成：內(nèi)圈、滾動元件、保持架和外軸相配合并與之共同旋轉；外圈起到支承作用，除非特殊件均勻地分布在內(nèi)圈和外圈之間，主要承受對軸承施加的多少直接決定著滾動軸承的性能指標和壽命；保持架用途是磕碰損壞和脫離滾道造成的脫落，并使?jié)L動體保持間距，中滾動元件是所有組成軸承部件的核心。???外圏??

看作高頻問題解決［１６］。當設備運轉流暢時，其振動和噪聲趨于穩(wěn)定。當設備出現(xiàn)故障時，噪??聲和振動水平會相比正常情況下大幅增加。設備從嶄新開始運行到出現(xiàn)明顯故障需要修理的整??個運行過程的振動與噪聲關系可以用“浴缸曲線”［１７］表達概括，如圖２－２所示，此圖根據(jù)大量??的統(tǒng)計實驗和理論分析，總結出了機器零件從早期試運行時伴隨的噪聲和振動并隨時間推移的??趨勢走向。設備開始運行時缺乏配合，此時機器各部分之間需要一定時間運行磨合，在此階段??產(chǎn)生的噪聲和振動相對較大；脫離磨合期后，整體會持續(xù)降低到一個穩(wěn)定的低水平上；設備進??入穩(wěn)定工作狀態(tài)后，噪聲和振動隨著設備運行的增長而呈現(xiàn)緩慢增長的態(tài)勢；當故障將要發(fā)生??時，噪聲和振動增加幅度較大，且增速為陡增狀態(tài)。作為機械設備的一部分，軸承也存在著類??似關系，所以可知軸承產(chǎn)生的振動和噪聲都可對其運行工況有效表達，因此軸承產(chǎn)生的的噪聲??信號與振動信號一樣，都有很大的研宄價值。??故障?予??維修完成＼?／??＿?檢３ＳＭＰＢ増加＼?Ｉ??＃犘律瑁媯魩??必Ｓｔｔ維修＼?ｉ??一?議?常讓嚴護＼／??ｉｓ．?／?檢齊?＼?Ｊ??／?＼?ｖ??時間??圖２－２?“浴缸曲線“示意圖??２．３．２軸承的振動和噪聲??當軸承工作時

【參考文獻】：
期刊論文
[1]基于CEEMD和自適應MCKD診斷滾動軸承早期故障[J]. 楊斌,張家瑋,王建國,張超.  北京工業(yè)大學學報. 2019(02)
[2]基于LMD和MCKD的滾動軸承早期故障診斷[J]. 任學平,李攀,王朝閣.  現(xiàn)代制造工程. 2018(09)
[3]一種LMD和近似熵算法的模擬電路特征提取方法[J]. 單劍鋒,萬國發(fā).  機械科學與技術. 2018(09)
[4]基于CEEMDAN排列熵和LS-SVM的滾動軸承狀態(tài)分類[J]. 邊杰,陳亞農(nóng),徐友良,唐廣.  北京工業(yè)大學學報. 2018(10)
[5]基于CEEMD能量熵與SVM的低速軸承故障聲發(fā)射診斷[J]. 楊杰,張鵬林,劉志濤,常海.  無損檢測. 2017(09)
[6]基于支持向量機在設備智能故障診斷中的應用研究[J]. 楊天明,金麗,黃俊.  內(nèi)蒙古科技與經(jīng)濟. 2017(15)
[7]基于EMD和支持向量機的滾動軸承故障診斷研究[J]. 付大鵬,翟勇,于青民.  機床與液壓. 2017(11)
[8]滾動軸承聲發(fā)射信號降噪的CEEMDAN算法[J]. 韓龍,謝子殿,王麗.  黑龍江科技大學學報. 2017(03)
[9]基于振動信號的軸承故障診斷技術綜述[J]. 沙美妤,劉利國.  軸承. 2015(09)
[10]基于奇異值分解和局域均值分解的滾動軸承故障特征提取方法[J]. 王建國,李健,萬旭東.  機械工程學報. 2015(03)

碩士論文
[1]基于CEEMDAN和模糊神經(jīng)網(wǎng)絡的滾動軸承故障診斷研究[D]. 李錕.寧夏大學 2018
[2]支持向量機核函數(shù)及關鍵參數(shù)選擇研究[D]. 尹嘉鵬.哈爾濱工業(yè)大學 2016
[3]滾動軸承噪聲檢測及故障診斷實驗平臺設計[D]. 王波.寧夏大學 2015
[4]滾動軸承的振聲信號分析[D]. 王媛媛.南京航空航天大學 2014
[5]基于小波包和支持向量機的滾動軸承故障識別方法[D]. 秦政博.太原理工大學 2010
[6]基于聲學方法的滾動軸承故障信號分析方法研究[D]. 王美波.大慶石油學院 2008



本文編號：3246313