大型低速重載回轉支承作為一種新型零部件,廣泛應用于起重運輸機械、建筑工程機械、材料加工機械等領域重大裝備中。大型回轉支承運行轉速極低、旋轉方向與角度多變、承載能力高、工作環(huán)境復雜,為保證正常生產作業(yè)順利進行、維護人機安全和減少財產損失,對其進行實時狀態(tài)監(jiān)測與故障診斷研究非常必要。論文對當今國內外回轉支承狀態(tài)監(jiān)測與故障診斷方法進行了詳細、系統(tǒng)的綜述。全面分析和總結了回轉支承的應用背景和研究意義,列舉和比較了目前所有關于回轉支承狀態(tài)監(jiān)測與故障診斷方法的研究思路、研究成果、優(yōu)缺點和應用價值。其次對當今國內外常用的滾動軸承振動信號降噪、故障特征提取、參數選擇與模式識別方法進行總結和研究。特征提取的難點和關鍵在于從強背景噪聲中提取微弱故障信息。時域信號分解與重構是一類有效的信號降噪方法,旨在提高信號信噪比,保留原信號特征。特征參數構成的特征向量可以作為時域信號代表,用于機器學習與分類。文章對現場振動信號進行采集與篩選、對其它物理與化學參數檢測等內容進行介紹。不同于模擬實驗臺單一人為故障研究,本課題研究對象為復雜設備復合自然故障,實驗方案設計、傳感器選擇與安裝、測試系統(tǒng)搭建等更加復雜。對此開展了大量...

【文章頁數】：93 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景與意義
    1.2 課題來源
    1.3 低速重載回轉支承狀態(tài)監(jiān)測與故障診斷發(fā)展階段概述
        1.3.1 人工經驗監(jiān)測與診斷
        1.3.2 計算機監(jiān)測與診斷
        1.3.3 不斷完善的基于大數據智能監(jiān)測與診斷系統(tǒng)
    1.4 低速重載回轉支承狀態(tài)監(jiān)測與故障診斷方法研究現狀
        1.4.1 基于振動的狀態(tài)監(jiān)測與故障診斷方法
        1.4.2 基于聲發(fā)射的狀態(tài)監(jiān)測與故障診斷方法
        1.4.3 基于油液或油脂狀況的狀態(tài)監(jiān)測與故障診斷方法
        1.4.4 基于溫度變化的狀態(tài)監(jiān)測與故障診斷方法
    1.5 當前國內外研究方向及挑戰(zhàn)
    1.6 論文主要研究內容與章節(jié)安排
2 滾動軸承振動信號時域故障特征提取與模式識別方法理論研究
    2.1 信號分解與降噪
        2.1.1 小波(包)分解
        2.1.2 經驗模態(tài)分解
        2.1.3 聚類經驗模態(tài)分解
    2.2 特征參數選擇
        2.2.1 幅值域與時間域
        2.2.2 相空間
    2.3 數據訓練與模式識別
        2.3.1 (多分類)支持向量機
        2.3.2 其它神經網絡
    2.4 本章小結
3 大型低速重載回轉支承數據采集試驗
    3.1 回轉支承結構特征與典型故障
        3.1.1 結構特征
        3.1.2 典型故障
    3.2 數據采集試驗
        3.2.1 各類信號采集方法
        3.2.2 特征頻率計算
    3.3 數據說明
        3.3.1 機械振動
        3.3.2 物理與化學性能
    3.4 本章小結
4 基于改進PPA-NCP方法定性區(qū)分回轉支承運行階段
    4.1 理論框架
        4.1.1 分段聚集近似法
        4.1.2 相鄰相關特征圖
        4.1.3 最小二乘橢球面擬合
    4.2 回轉支承模擬信號分析
        4.2.1 全壽命模擬信號構建
        4.2.2 各運行階段定性劃分
    4.3 回轉支承試驗信號驗證
        4.3.1 各運行階段特征分析
        4.3.2 分類結果檢驗與確定
    4.4 本章小結
5 基于MCKD-CEEMD-ApEn方法對回轉支承復合故障特征提取與模式識別
    5.1 引言
    5.2 理論框架
        5.2.1 最大相關峭度去卷積
        5.2.2 互補聚類經驗模態(tài)分解
        5.2.3 近似熵
        5.2.4 多分類支持向量機
        5.2.5 故障特征提取與模式識別流程
    5.3 試驗驗證
    5.4 本章小結
6 結論與展望
參考文獻
攻讀碩士學位期間研究成果情況
致謝



本文編號：4025312