發(fā)布時間：2021-07-21 16:26

　　旋轉(zhuǎn)機械廣泛應(yīng)用于現(xiàn)代機械設(shè)備中,例如汽輪機、壓縮機、風(fēng)力機、電動機、水輪機、航空發(fā)動機等設(shè)備的核心部件均由旋轉(zhuǎn)機械構(gòu)成。滾動軸承作為旋轉(zhuǎn)機械的支承部件幾乎覆蓋了所有的工業(yè)領(lǐng)域。高速、變載、密封效果差的工作環(huán)境常常導(dǎo)致滾動軸承出現(xiàn)不同形式的故障。故障一旦發(fā)生,將會導(dǎo)致設(shè)備精度降低、生產(chǎn)質(zhì)量下降、生產(chǎn)中斷、甚至機械系統(tǒng)癱瘓。因此,監(jiān)測軸承運行狀態(tài)、準(zhǔn)確實現(xiàn)其故障診斷具有重要的意義。采集能夠表征軸承工作狀態(tài)的振動信號是對軸承實施故障監(jiān)測和診斷的前提。通常情況下,采集到的振動信號常常受到設(shè)備運行噪聲和環(huán)境噪聲干擾。強噪聲背景干擾了振動信號特征識別,嚴(yán)重影響了故障診斷的效果。因此,如何高效提取微弱故障信號特征信息,提高信噪比具有十分重要的意義。為了提高信噪比,傳統(tǒng)方法通常采用噪聲抑制原理,即通過衰減或者抑制信號中噪聲分量達(dá)到目的。然而在抑噪的同時也可能削弱有用信號,從而導(dǎo)致輸出信噪比降低,甚至波形失真。本文利用隨機共振系統(tǒng)的非線性特性,通過利用噪聲能量增強故障信號,進(jìn)一步提取信號特征信息。為此,本文以滾動軸承為研究對象,采用改進(jìn)的隨機共振方法對強噪聲背景下的滾動軸承故障特征提取和故障診斷進(jìn)行了... 

【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)】：129 頁

【學(xué)位級別】：碩士

【部分圖文】：

滾動軸承故障實驗平臺Figure2-25Thefaulttestplatformforrollingbearing

粒子不能在噪聲的輔助下實現(xiàn)周期性躍遷，輸出 SNR 持續(xù)減小。隨著脈沖到達(dá)率增大，輸出 SNR 曲線完全重合。在 =0.05~0.6 時，系統(tǒng)輸出最優(yōu)。阻尼因子相同時，脈沖到達(dá)率對 SNR 幾乎沒有影響。相比圖 3-4(b)，自適應(yīng) GSTSR 的優(yōu)勢再次被證明。通過上述分析，泊松白噪聲同時由脈沖到達(dá)率和噪聲強度決定。較小的脈沖到達(dá)率或較大的噪聲強度更容易誘導(dǎo)最優(yōu)的非線性系統(tǒng)性能，這與高斯白噪聲完全不同。具有較小脈沖到達(dá)率的泊松白噪聲更適合描述工程中的隨機激勵。3.4 泊松白噪聲背景下滾動軸承故障特征提取及診斷 (FaultFeature Extraction and Diagnosis for Rolling Bearing in PoissonWhite Noise Background)數(shù)值分析結(jié)果表明：自適應(yīng) GSTSR 在提取泊松白噪聲背景下微弱高頻信號特征方面具有優(yōu)越的表現(xiàn)。運行中的軸承出現(xiàn)故障時，表征故障特征的通常是高頻振動信號。本節(jié)利用 GSTSR 系統(tǒng)增強并提取泊松白噪聲背景下的微弱故障特征信息。故障軸承實驗臺如圖 3-8。

主軸輸出轉(zhuǎn)速經(jīng)過行星減速機(PLF090-L1-5-S2-P2)減速后輸入到磁-A-100)，磁粉制動器的輸出轉(zhuǎn)矩由張力控制器(ZL2A-5S)控制�？汲羞\行環(huán)境，徑向加載裝置(LTZ-30)對故障軸承施加徑向力。振動速度傳感器(1A206E)測得，并傳輸?shù)讲杉?NI9234)端口。通過 La DAQ 驅(qū)動器實現(xiàn)振動數(shù)據(jù)讀取。于 LabVIEW 的振動信號連續(xù)采集系統(tǒng)如圖 3-9 所示。設(shè)定采樣頻樣數(shù)，通過 DAQ 驅(qū)動器實現(xiàn)滾動軸承實驗信號采集，并將其以.xlG 盤中指定的文件夾。外圈、滾動體和內(nèi)圈振動信號分別通過 N36E 型軸承獲得，軸承參數(shù)如表 3-1。采樣點和采樣頻率分別為 M=200 Hz。表 3-1 圓柱滾子軸承設(shè)計參數(shù)Table 3-1 Design parameters of the cylindrical roller bearing承型號內(nèi)圈直徑(mm)外圈直徑(mm)滾動體直徑(mm)厚度(mm)節(jié)徑(mm)接觸角滾體N306E 30 72 10 19 52 0° 1U306E 30 72 10.5 19 51 0° 1

【參考文獻(xiàn)】：
期刊論文
[1]基于典型譜相關(guān)峭度圖的滾動軸承故障診斷方法[J]. 劉文朋,劉永強,楊紹普,顧曉輝.  振動與沖擊. 2018(08)
[2]乏信息條件下滾動軸承振動性能可靠性變異過程預(yù)測[J]. 夏新濤,葉亮,常振,邱明.  振動與沖擊. 2017(08)
[3]基于LMD和增強包絡(luò)譜的滾動軸承故障分析[J]. 杜冬梅,張昭,李紅,何青.  振動.測試與診斷. 2017(01)
[4]基于概率盒理論的滾動軸承故障信號建模方法[J]. 杜奕,丁家滿,劉力強.  振動與沖擊. 2016(19)
[5]非周期變尺度隨機共振在錨桿無損檢測中的應(yīng)用[J]. 韓志軍,曹威,孫曉云,程恩,王明明,吳世星.  中國礦業(yè). 2016(09)
[6]基于量子粒子群算法的自適應(yīng)隨機共振方法研究[J]. 李一博,張博林,劉自鑫,張震宇.  物理學(xué)報. 2014(16)
[7]基于時間-小波能量譜熵的滾動軸承故障診斷研究[J]. 唐貴基,鄧飛躍,何玉靈,王曉龍.  振動與沖擊. 2014(07)
[8]Multi-scale bistable stochastic resonance array: A novel weak signal detection method and application in machine fault diagnosis[J]. ZHANG XiaoFei,HU NiaoQing,HU Lei,CHENG Zhe.  Science China（Technological Sciences）. 2013(09)
[9]基于信號共振稀疏分解與能量算子解調(diào)的軸承故障診斷方法[J]. 張文義,于德介,陳向民.  中國電機工程學(xué)報. 2013(20)
[10]基于頻域形態(tài)濾波的低速滾動軸承聲發(fā)射信號降噪新方法[J]. 李修文,陽建宏,黎敏,徐金梧.  振動與沖擊. 2013(01)

碩士論文
[1]基于同步平均和倒譜編輯的滾動軸承故障信號提取技術(shù)研究[D]. 李宗濤.昆明理工大學(xué) 2014
[2]齒輪和滾動軸承的狀態(tài)監(jiān)測與故障診斷[D]. 陳進(jìn).西北工業(yè)大學(xué) 2006
[3]通用性齒輪箱狀態(tài)監(jiān)測與故障診斷系統(tǒng)的研究[D]. 梁鋒.重慶大學(xué) 2004



本文編號：3295375