本文關(guān)鍵詞：基于多源不確定信息融合的數(shù)控機(jī)床滾動(dòng)軸承故障診斷方法與實(shí)驗(yàn)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：滾動(dòng)軸承是機(jī)械設(shè)備中主要的基礎(chǔ)旋轉(zhuǎn)部件之一,同時(shí)也是機(jī)械設(shè)備主要的故障源之一。因此,開展關(guān)于滾動(dòng)軸承故障機(jī)理與診斷方法的研究工作對(duì)于及時(shí)發(fā)現(xiàn)并排除滾動(dòng)軸承故障,以保證機(jī)械設(shè)備正常運(yùn)轉(zhuǎn)、提高生產(chǎn)效率和生產(chǎn)質(zhì)量具有重要的理論和實(shí)際工程意義。本論文以數(shù)控機(jī)床進(jìn)給工作臺(tái)中滾珠絲杠軸端的滾動(dòng)軸承作為研究對(duì)象,綜合分析了滾動(dòng)軸承故障產(chǎn)生機(jī)理及其常見失效形式、常用故障診斷方法及其適應(yīng)性�？紤]到滾動(dòng)軸承故障產(chǎn)生的隨機(jī)性、傳感器的測(cè)量誤差、環(huán)境的復(fù)雜性等因素會(huì)導(dǎo)致實(shí)驗(yàn)獲得的故障信息具有隨機(jī)性、不確定性和不完全性等特點(diǎn),采用外部多傳感器與提取機(jī)床內(nèi)部伺服信息相結(jié)合的方法獲取滾動(dòng)軸承的多源故障信息,借助相應(yīng)的信號(hào)處理與信息融合方法實(shí)現(xiàn)了對(duì)多源信息的數(shù)據(jù)級(jí)、特征級(jí)和決策級(jí)融合,搭建了一套基于多源不確定信息融合的數(shù)控機(jī)床滾動(dòng)軸承故障診斷系統(tǒng)。主要研究工作如下:從滾動(dòng)軸承的結(jié)構(gòu)特點(diǎn)入手,研究了滾動(dòng)軸承的故障產(chǎn)生機(jī)理、常見失效形式和常用故障檢測(cè)方法及其適應(yīng)性,確定了本文選取的故障檢測(cè)方法、外置傳感器類型以及傳感器安裝測(cè)點(diǎn);根據(jù)機(jī)床內(nèi)部伺服信息與滾動(dòng)軸承故障狀態(tài)之間的關(guān)系,選擇并提取了部分機(jī)床內(nèi)部伺服參數(shù);基于NI PCI-6143多通道采集板卡與Lab VIEW軟件平臺(tái)搭建了多通道數(shù)據(jù)采集系統(tǒng)。基于對(duì)滾動(dòng)軸承故障信號(hào)非線性、非平穩(wěn)性的考慮,引入統(tǒng)計(jì)學(xué)理論與小波包分解方法,對(duì)滾動(dòng)軸承故障信號(hào)進(jìn)行了時(shí)域、頻域和時(shí)頻域分析并提取了相關(guān)特征值;為有效剔除冗余信息、簡(jiǎn)化故障診斷過程并提高故障診斷效率,應(yīng)用粗糙集理論實(shí)現(xiàn)對(duì)故障特征值的篩選,建立故障特征值的訓(xùn)練集與測(cè)試集。引入SVM方法,將數(shù)據(jù)采集、特征提取與篩選和模式識(shí)別相結(jié)合,建立了一套基于多源信息融合的滾動(dòng)軸承故障診斷系統(tǒng),實(shí)現(xiàn)多源信息數(shù)據(jù)級(jí)與特征級(jí)融合;為優(yōu)化SVM診斷效果,引入遺傳算法對(duì)SVM網(wǎng)絡(luò)的部分參數(shù)進(jìn)行了優(yōu)化�？紤]滾動(dòng)軸承故障信息的隨機(jī)性、不確定性和不完全性特點(diǎn),提出了基于云模型和證據(jù)理論的多源不確定信息融合方法。研究了云模型中云參數(shù)的獲取方法,通過云模型獲取證據(jù)矩陣;提出一種改進(jìn)D-S證據(jù)理論的方法對(duì)證據(jù)融合權(quán)重重新分配后進(jìn)行融合;將云模型與改進(jìn)D-S證據(jù)理論相結(jié)合,實(shí)現(xiàn)對(duì)滾動(dòng)軸承故障模式的識(shí)別,通過實(shí)驗(yàn)證明了該方法的可行性。
【關(guān)鍵詞】：滾動(dòng)軸承 故障診斷 多源信息融合 粗糙集 小波包 云模型 證據(jù)理論 模式識(shí)別
【學(xué)位授予單位】：青島理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TG659
【目錄】：

• 摘要9-11
• Abstract11-13
• 第1章 緒論13-21
• 1.1 課題概述13-14
• 1.1.1 課題來源13
• 1.1.2 課題研究背景及意義13-14
• 1.2 滾動(dòng)軸承故障診斷技術(shù)發(fā)展與研究現(xiàn)狀14-19
• 1.2.1 滾動(dòng)軸承故障診斷技術(shù)的發(fā)展與現(xiàn)狀14-15
• 1.2.2 常用滾動(dòng)軸承故障信息檢測(cè)技術(shù)概述15-16
• 1.2.3 現(xiàn)代常用滾動(dòng)軸承故障診斷方法簡(jiǎn)介16-18
• 1.2.4 基于多源信息融合的故障診斷18-19
• 1.3 本論文主要研究?jī)?nèi)容19-21
• 第2章 滾動(dòng)軸承及其故障機(jī)理分析21-28
• 2.1 滾動(dòng)軸承簡(jiǎn)介21-23
• 2.1.1 滾動(dòng)軸承結(jié)構(gòu)簡(jiǎn)介21-22
• 2.1.2 滾動(dòng)軸承典型失效形式22-23
• 2.2 滾動(dòng)軸承振動(dòng)特征分析23-26
• 2.2.1 滾動(dòng)軸承振動(dòng)產(chǎn)生機(jī)理23
• 2.2.2 滾動(dòng)軸承的故障特征頻率計(jì)算23-24
• 2.2.3 頻譜分析24-26
• 2.3 滾動(dòng)軸承故障檢測(cè)方法的確定26-27
• 2.4 本章小結(jié)27-28
• 第3章 滾動(dòng)軸承故障信號(hào)采集實(shí)驗(yàn)系統(tǒng)設(shè)計(jì)28-39
• 3.1 實(shí)驗(yàn)系統(tǒng)設(shè)計(jì)28
• 3.2 實(shí)驗(yàn)材料制備與儀器選取28-33
• 3.2.1 實(shí)驗(yàn)故障件制備28-29
• 3.2.2 實(shí)驗(yàn)用傳感器選擇29-32
• 3.2.3 數(shù)據(jù)采集平臺(tái)及數(shù)據(jù)采集卡選型32-33
• 3.3 基于LabVIEW的數(shù)據(jù)采集系統(tǒng)搭建33-35
• 3.3.1 傳感器布置33-34
• 3.3.2 基于LabVIEW的信號(hào)采集程序編制34-35
• 3.4 機(jī)床內(nèi)部伺服信息的提取35-38
• 3.4.1 操作面板信息提取35-37
• 3.4.2 其他機(jī)床伺服信息提取37-38
• 3.5 本章小結(jié)38-39
• 第4章 滾動(dòng)軸承故障信號(hào)的分析處理39-58
• 4.1 信號(hào)分析與處理概述39
• 4.2 滾動(dòng)軸承故障信號(hào)特征提取39-48
• 4.2.1 時(shí)域特征提取39-41
• 4.2.2 頻域特征提取41-45
• 4.2.3 時(shí)頻域特征提取45-48
• 4.3 基于粗糙集理論的滾動(dòng)軸承故障信號(hào)特征值篩選48-57
• 4.3.1 特征篩選概述48-49
• 4.3.2 粗糙集理論49-57
• 4.4 本章小結(jié)57-58
• 第5章 基于優(yōu)化支持向量機(jī)的滾動(dòng)軸承故障模式識(shí)別方法研究58-68
• 5.1 概述58
• 5.2 基本理論58-62
• 5.2.1 支持向量機(jī)58-61
• 5.2.2 遺傳算法61-62
• 5.3 基于遺傳優(yōu)化的SVM方法62-67
• 5.4 本章小結(jié)67-68
• 第6章 基于云模型和改進(jìn)D-S證據(jù)理論的滾動(dòng)軸承故障診斷方法68-85
• 6.1 概述68
• 6.2 基本理論68-71
• 6.2.1 云模型68-70
• 6.2.2 D-S證據(jù)理論70-71
• 6.3 基于云模型與D-S證據(jù)理論的多源信息融合與模式識(shí)別方法71-77
• 6.3.1 故障診斷中的信息融合71-72
• 6.3.2 云模型建模72-73
• 6.3.3 隸屬度計(jì)算73-74
• 6.3.4 融合證據(jù)計(jì)算74
• 6.3.5 融合決策74-77
• 6.4 實(shí)驗(yàn)研究77-84
• 6.5 本章小結(jié)84-85
• 第7章 總結(jié)與展望85-88
• 7.1 論文研究工作總結(jié)85-86
• 7.2 研究展望86-88
• 參考文獻(xiàn)88-91
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文91-92
• 致謝92

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 鐘秉林;顏廷虎;;智能化故障診斷理論與方法的研究現(xiàn)狀和展望[J];東南大學(xué)學(xué)報(bào);1993年S1期

2 韓輝;梁國軍;叢培田;;基于共振解調(diào)法的機(jī)車軸承故障診斷[J];機(jī)床與液壓;2010年09期

3 韓峰;楊萬海;袁曉光;;基于模糊集合的證據(jù)理論信息融合方法[J];控制與決策;2010年03期

4 張園;史永芳;迮素芳;李力;;基于鄰域相關(guān)性小波去噪的滾動(dòng)軸承包絡(luò)解調(diào)及故障分類[J];輕工機(jī)械;2014年03期

5 尹學(xué)忠;王杰貴;;一種異類源信息融合中證據(jù)沖突問題的解決方法[J];宇航學(xué)報(bào);2009年04期

6 陳侃;傅攀;李威霖;曹偉青;;鈦合金車削加工過程中刀具磨損狀態(tài)監(jiān)測(cè)的小波包子帶能量變換特征提取新方法[J];組合機(jī)床與自動(dòng)化加工技術(shù);2011年01期

7 裴峻峰;畢昆磊;呂苗榮;賀超;沈科君;;基于多特征參數(shù)和概率神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法[J];中國機(jī)械工程;2014年15期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 蘇文勝;滾動(dòng)軸承振動(dòng)信號(hào)處理及特征提取方法研究[D];大連理工大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 馮曉光;近似熵在往復(fù)式壓縮機(jī)故障診斷中的研究應(yīng)用[D];大連理工大學(xué);2006年

2 溫國強(qiáng);基于多信息源的滾動(dòng)軸承故障診斷方法與實(shí)驗(yàn)研究[D];青島理工大學(xué);2013年

  本文關(guān)鍵詞：基于多源不確定信息融合的數(shù)控機(jī)床滾動(dòng)軸承故障診斷方法與實(shí)驗(yàn)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：257013