【摘要】：異步電機在機場行李運輸過程中起著重要的驅(qū)動作用,軸承作為電機中易引發(fā)故障的關(guān)鍵部件之一,其本身故障直接或間接地導(dǎo)致電機大部分故障,因此對電機軸承進行狀態(tài)監(jiān)測和故障診斷至關(guān)重要。由于振動信號在噪聲干擾情況下也能很好地反映軸承的早期故障特點,成為了軸承故障診斷的主要手段。因此基于振動信號的電機軸承故障狀態(tài)監(jiān)測、故障特征提取、故障模式識別是本文的研究重點,并在此基礎(chǔ)上提出在背景噪聲環(huán)境下的故障診斷方法。主要的研究內(nèi)容如下:本文首先闡述了異步電機中滾動軸承的基本構(gòu)造、失效形式、振動機理以及理論上故障特征頻率的計算方法,為后續(xù)的狀態(tài)監(jiān)測系統(tǒng)設(shè)計和故障診斷實驗提供了理論依據(jù)。其次,根據(jù)電機軸承振動監(jiān)測分析系統(tǒng)的功能要求,開發(fā)了基于Labview的上位機振動監(jiān)測分析系統(tǒng),該系統(tǒng)具有信號采集、信號分析、遠程web技術(shù)等功能,能夠?qū)崿F(xiàn)振動信號的遠程狀態(tài)監(jiān)測,還包括時域分析、頻域分析、聯(lián)合時頻分析及故障報警等。并且將該系統(tǒng)通過對CUT-2轉(zhuǎn)子軸承振動實驗臺進行數(shù)據(jù)采集和監(jiān)測分析實驗,驗證了系統(tǒng)的可靠性和實用性。最后,本文針對軸承故障信號中的周期成分會受到背景噪聲的干擾導(dǎo)致難以提取故障特征等問題,提出了一種基于自回歸最小熵反褶積(AR-MED)和改進多尺度排列熵(IMPE)的故障特征提取方法,并采用灰狼優(yōu)化支持向量機對軸承故障進行識別分類。實驗數(shù)據(jù)來源于美國凱斯西儲大學(xué)軸承數(shù)據(jù)庫,實驗結(jié)果表明該方法能夠有效診斷電機軸承的故障類型及程度,具有很好的應(yīng)用前景。
【學(xué)位授予單位】：貴州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：V354
【圖文】：

圖 1.1 論文整體框架結(jié)構(gòu)圖要研究內(nèi)容如下：，先闡述了電機軸承故障診斷的研究意義和目的；然后對電機發(fā)展現(xiàn)狀進行介紹；接著對常用的電機軸承狀態(tài)監(jiān)測方法進行本文將要使用的電機軸承故障特征提取和故障模式識別方法。，先簡單介紹了電機滾動軸承的基本構(gòu)造；然后分析總結(jié)了滾；接著對滾動軸承的振動機理以及如何從理論上計算故障特征后續(xù)故障診斷類型判斷做理論依據(jù)；最后介紹了本文狀態(tài)監(jiān)測析法以及實驗部分所用數(shù)據(jù)的來源。，結(jié)合前面提到的振動信號分析法，針對機場行李運輸過程中發(fā)生故障產(chǎn)生振動的問題搭建了電機軸承振動信號監(jiān)測分析對該系統(tǒng)的各個模塊功能進行了簡單介紹。最后利用搭建的測實驗并利用 CUT-2 轉(zhuǎn)子軸承振動試驗臺驗證系統(tǒng)的可行性。

所以有必要對電機軸承的故障的基本構(gòu)造、常見失效形式、振動結(jié)構(gòu)分組成：保持架、滾動體、內(nèi)圈和、啟動靈敏、摩擦阻力小、效率高載能力強。導(dǎo)致滾動軸承在運轉(zhuǎn)過程載、水分和異物侵入、潤滑不良、滑和使用維護都沒問題，運轉(zhuǎn)一段止運行。滾動軸承實際工作情況不會十分復(fù)雜。

【參考文獻】

相關(guān)期刊論文 前10條

1 周濤濤;朱顯明;彭偉才;劉彥;;基于CEEMD和排列熵的故障數(shù)據(jù)小波閾值降噪方法[J];振動與沖擊;2015年23期

2 古瑩奎;承姿辛;朱繁瀧;;基于主成分分析和支持向量機的滾動軸承故障特征融合分析[J];中國機械工程;2015年20期

3 冷軍發(fā);郭松濤;荊雙喜;李新華;;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];河南理工大學(xué)學(xué)報(自然科學(xué)版);2015年04期

4 李巍華;翁勝龍;張紹輝;;一種螢火蟲神經(jīng)網(wǎng)絡(luò)及在軸承故障診斷中的應(yīng)用[J];機械工程學(xué)報;2015年07期

5 王志堅;韓振南;劉邱祖;寧少慧;;基于MED-EEMD的滾動軸承微弱故障特征提取[J];農(nóng)業(yè)工程學(xué)報;2014年23期

6 鄭近德;程軍圣;楊宇;;基于LCD和排列熵的滾動軸承故障診斷[J];振動.測試與診斷;2014年05期

7 賈峰;武兵;熊曉燕;熊詩波;;基于多維度排列熵與支持向量機的軸承早期故障診斷方法[J];計算機集成制造系統(tǒng);2014年09期

8 肖順根;宋萌萌;;基于小波包能量神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法[J];機械強度;2014年03期

9 鄭近德;程軍圣;楊宇;;多尺度排列熵及其在滾動軸承故障診斷中的應(yīng)用[J];中國機械工程;2013年19期

10 馮輔周;司愛威;江鵬程;;小波相關(guān)排列熵和HMM在故障預(yù)測中的應(yīng)用[J];振動工程學(xué)報;2013年02期

本文編號：2739989