選煤廠設備故障中,滾動軸承故障是一種典型故障類型具有代表性,因此研究滾動軸承故障診斷對保障選煤廠設備長效安全運行意義重大。在軸承故障診斷時,單一參數(shù)對于多種形式軸承故障敏感性不同,判斷軸承故障準確性低,而傳統(tǒng)多參數(shù)故障診斷需要專業(yè)人員進行分析,因此亟待開發(fā)操作簡單的多參數(shù)滾動軸承故障診斷系統(tǒng)。本文以選煤廠設備故障診斷為背景,選擇滾動軸承故障診斷為研究對象,以作為系統(tǒng)開發(fā)語言,作為數(shù)據(jù)庫,結合時域、頻域信號分析方法與多參數(shù)計算,開發(fā)了滾動軸承多參數(shù)故障診斷系統(tǒng),并用內圈、外圈、滾動體三種類型軸承故障數(shù)據(jù)對系統(tǒng)分析效果進行了驗證。本文首先研究了滾動軸承故障機理及振動故障分析方法,在滾動軸承故障機理中給出了軸承四種故障頻率的計算公式,通過研究振動故障時頻域分析方法選擇均值、峰值、有效值、烈度、峭度、波形因數(shù)六個時域參數(shù)作為本系統(tǒng)對軸承故障的考量參數(shù),并給出了各參數(shù)的計算公式。其次通過對方法研究發(fā)現(xiàn)其具有端點效應及模態(tài)混疊缺陷,故利用自適應波形匹配延拓與自適應高頻諧波對其進行改進,然后利用改進的和差分譜相結合方法對外圈故障信號進行處理,結果表明改進的方法更有效,選擇其作為本系統(tǒng)中對故障信號進行... 

【文章來源】：中北大學山西省

【文章頁數(shù)】：98 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題的背景
    1.2 國內外研究現(xiàn)狀
        1.2.1 國內外滾動軸承故障診斷發(fā)展歷程
        1.2.2 滾動軸承故障診斷振動法研究發(fā)展歷程
        1.2.3 滾動軸承多參數(shù)故障診斷研究現(xiàn)狀
    1.3 課題研究目的與意義
    1.4 本文主要研究內容
    1.5 本章小結
2 滾動軸承故障機理及振動故障分析方法
    2.1 滾動軸承故障介紹及機理研究
        2.1.1 滾動軸承基本結構
        2.1.2 滾動軸承主要失效形式
        2.1.3 滾動軸承的振動機理
        2.1.4 滾動軸承故障特征頻率計算
    2.2 振動故障診斷法分析
        2.2.1 時域分析法
        2.2.2 頻域分析法
        2.2.3 時頻域分析法
    2.3 本章小結
3 基于SVD及改進LMD相結合信號處理理論研究
    3.1 引言
    3.2 奇異值分解及奇異值差分譜理論基本理論
        3.2.1 奇異值分解理論
        3.2.2 奇異值差分譜基本理論
    3.3 LMD基本原理及方法
    3.4 改進的LMD方法
        3.4.1 端點效應和模態(tài)混疊
        3.4.2 自適應高頻諧法
        3.4.3 自適應波形匹配延拓法
        3.4.4 改進的LMD方法實例分析
    3.5 奇異值差分譜與改進的LMD分解相結合的軸承故障特征提取方法
    3.6 奇異值差分譜與改進的LMD相結合實際應用
    3.7 本章小結
4 上位機故障診斷系統(tǒng)設計及實現(xiàn)
    4.1 系統(tǒng)需求分析
    4.2 數(shù)據(jù)庫選擇和設計
        4.2.1 關于Microsoft SQL Server2000
        4.2.2 數(shù)據(jù)庫的設計
    4.3 系統(tǒng)開發(fā)軟件選取及各功能塊的實現(xiàn)
        4.3.1 開發(fā)軟件選取
        4.3.2 各功能塊的實現(xiàn)
    4.4 系統(tǒng)功能實現(xiàn)關鍵技術研究
        4.4.1 數(shù)據(jù)存儲技術
        4.4.2 VB與MATLAB交互
        4.4.3 VB與Word交互
    4.5 本章小結
5 軸承故障多參數(shù)診斷實例分析
    5.1 正常軸承數(shù)據(jù)分析
    5.2 內圈故障數(shù)據(jù)分析
    5.3 滾動體故障數(shù)據(jù)分析
    5.4 外圈故障數(shù)據(jù)分析
    5.5 本章小結
6 總結與展望
參考文獻
攻讀碩士學位期間發(fā)表的論文及所取得的研究成果
致謝


【參考文獻】：
期刊論文
[1]基于LMD多尺度熵和概率神經網絡的滾動軸承故障診斷方法[J]. 孟宗,胡猛,谷偉明,趙東方.  中國機械工程. 2016(04)
[2]基于VB/SQLServer2000選煤廠設備點檢數(shù)據(jù)分類存儲的實現(xiàn)[J]. 史鈞宇,孫虎兒,劉云飛.  機械設計與制造. 2015(10)
[3]基于最小熵解卷積的帶式輸送機傳動滾筒軸承故障診斷[J]. 冷軍發(fā),郭松濤,荊雙喜,李新華.  河南理工大學學報(自然科學版). 2015(04)
[4]基于EMD的多特征參數(shù)和關聯(lián)向量機的滾動軸承故障診斷研究[J]. 婁潔,李雅芹.  西安文理學院學報(自然科學版). 2015(02)
[5]基于自適應高頻諧波LMD法的風電機組故障診斷[J]. 武英杰,劉長良,范德功.  動力工程學報. 2014(12)
[6]基于多特征參數(shù)和概率神經網絡的滾動軸承故障診斷方法[J]. 裴峻峰,畢昆磊,呂苗榮,賀超,沈科君.  中國機械工程. 2014(15)
[7]優(yōu)化KNNC算法在滾動軸承故障模式識別中應用[J]. 胡智,段禮祥,張來斌.  振動與沖擊. 2013(22)
[8]形態(tài)-奇異值分解降噪與LMD結合的滾動軸承故障診斷[J]. 王志武,孫虎兒,劉維雄.  機械傳動. 2013(09)
[9]基于ELMD與LS-SVM的滾動軸承故障診斷方法[J]. 廖星智,萬舟,熊新.  化工學報. 2013(12)
[10]LMD時頻分析方法的端點效應在旋轉機械故障診斷中的影響[J]. 任達千,楊世錫,吳昭同,嚴拱標.  中國機械工程. 2012(08)

博士論文
[1]滾動軸承振動信號處理及特征提取方法研究[D]. 蘇文勝.大連理工大學 2010
[2]EMD算法研究及其在信號去噪中的應用[D]. 王婷.哈爾濱工程大學 2010
[3]振動信號的包絡解調分析方法研究及應用[D]. 張家凡.武漢理工大學 2008
[4]面向設備管理的機電設備狀態(tài)監(jiān)測與故障診斷技術研究[D]. 王正英.天津大學 2007
[5]復雜過程工業(yè)系統(tǒng)故障診斷與預測方法的研究[D]. 池紅衛(wèi).天津大學 2004

碩士論文
[1]強噪聲背景下機械故障微弱信號特征提取方法研究[D]. 王志武.中北大學 2014
[2]基于振動信號分析法的滾動軸承故障診斷研究[D]. 楊晨.蘭州理工大學 2014
[3]基于LMD的風力發(fā)電機組振動信號分析[D]. 齊佳.哈爾濱理工大學 2014
[4]基于臨渙選煤廠設備點檢系統(tǒng)上位機軟件研究[D]. 王剛.安徽理工大學 2013
[5]軸承滾道電化學機械光整加工試驗研究[D]. 張建龍.山東大學 2013
[6]基于振動信號分析的滾動軸承故障診斷儀的設計與實現(xiàn)[D]. 張曉鴿.重慶大學 2013
[7]選煤廠設備狀態(tài)監(jiān)測與故障診斷系統(tǒng)研究[D]. 胡紹泉.華中科技大學 2012
[8]滾動軸承故障診斷的多參數(shù)融合特征提取方法研究[D]. 李少軍.北京交通大學 2011
[9]基于LMD的滾動軸承故障診斷研究[D]. 史美麗.湖南大學 2011
[10]煤礦設備故障數(shù)據(jù)管理系統(tǒng)與故障診斷系統(tǒng)的研究與開發(fā)[D]. 華朋云.西安電子科技大學 2011



本文編號：3261412