本文關鍵詞：軋鋼機振動信號分析與故障診斷方法研究

  更多相關文章： 鋼機滾動軸承 故障診斷 小波包分析 奇異譜分析 支持向量機

【摘要】：近年來,鋼鐵需求不斷增加,全球鋼鐵行業(yè)不斷發(fā)展。軋鋼機作為鋼廠的主要生產設備,一旦發(fā)生故障會造成巨大經濟損失,因此對軋鋼機進行故障診斷研究極具必要性和重大的意義。 本文對軋鋼機的常見故障進行了特征分析。軋鋼機的振動故障主要有四鐘,而軸承故障是四大故障之一,然后主要分析了軋鋼機滾動軸承失效的表現(xiàn)和原因、軋鋼機滾動軸承的工作特點。 本文提出了一種新的基于振動分析的故障診斷方法,基于小波包分析和奇異譜分析相結合最后利用支持向量機的故障診斷方法。首先,采用適用于非平穩(wěn)、非線性的小波包分析方法進行信號的降噪處理,這種方法可以有效去除混雜在原始信號中的干擾信號,降低軋鋼機滾動軸承故障診斷時的誤差,并采用MATLAB軟件對直流電機驅動的軋機軋輥軸承故障進行仿真分析,驗證降噪的效果,接下來對軋鋼機滾動軸承故障振動信號進行降噪處理。其次,針對于軋鋼機滾動軸承變載荷、變轉速的工作特點,采用了奇異譜分析(SSA)方法,一種振動信號的簡單的時間序列故障特征提取方法。這種方法在分析時很容易實現(xiàn),它把信號分解成一系列主要部分,用其對軋鋼機滾動軸承故障振動信號進行提取故障特征,分別對比其能量譜與奇異譜和不同載荷下的奇異譜,然后選取能清楚區(qū)分滾動軸承故障狀態(tài)的奇異值作為故障特征。在最后,建立-個最優(yōu)支持向量機模型,把上一步選取出來的特征值作為支持向量機的輸入,分別用滾動軸承正常狀態(tài)、軸承內圈故障、軸承外圈故障和滾動體故障的振動信號特征對支持向量機進行訓練,當其收斂時進行故障診斷。 驗證結果顯示,該方法不僅可以準確、有效地對軋鋼機滾動軸承工作狀態(tài)進行診斷,還能分析出其故障類型。
【關鍵詞】：鋼機滾動軸承 故障診斷 小波包分析 奇異譜分析 支持向量機
【學位授予單位】：沈陽工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TH165.3;TG333
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-14
• 1.1 課題來源9
• 1.2 國內外研究現(xiàn)狀9-12
• 1.2.1 軋鋼技術的發(fā)展現(xiàn)狀9-10
• 1.2.2 故障診斷技術的發(fā)展10-12
• 1.3 課題的目的和意義12-13
• 1.4 論文的主要內容與研究方法13-14
• 第2章 軋鋼機故障機理分析14-20
• 2.1 軋鋼機的構成14
• 2.2 軋鋼機故障的特征分析14-15
• 2.3 軋鋼機軸承15-18
• 2.3.1 軋鋼機滾動軸承工作特點15-17
• 2.3.2 軋鋼機軸承失效的表現(xiàn)和原因17-18
• 2.4 軋鋼機振動信號分析18
• 2.5 本章小結18-20
• 第3章 軋鋼機滾動軸承故障信號降噪理論20-34
• 3.1 小波包降噪方法基本理論20-22
• 3.1.1 小波分析20-21
• 3.1.2 小波包分析21-22
• 3.2 小波包方法應用于降噪的過程22-26
• 3.2.1 小波包分解層數(shù)研究23
• 3.2.2 閾值的選取方法23-26
• 3.3 軋鋼機滾動軸承故障信號降噪模擬分析26-29
• 3.4 軋鋼機滾動軸承小波包降噪分析29-33
• 3.5 本章小結33-34
• 第4章 軋鋼機滾動軸承故障奇異譜分析方法34-42
• 4.1 奇異譜分析方法34-37
• 4.1.1 奇異譜分析基本原理34-35
• 4.1.2 奇異值特征抽取與奇異值向量排列35
• 4.1.3 奇異譜分析過程35-37
• 4.2 軋鋼機滾動軸承振動信號奇異譜分析37-41
• 4.3 本章小結41-42
• 第5章 基于支持向量機的滾動軸承故障診斷42-48
• 5.1 支持向量機的基本原理42-44
• 5.2 支持向量機的基本方法與分類44-46
• 5.3 基于支持向量機的故障識別46-47
• 5.4 本章小結47-48
• 第6章 結論48-49
• 6.1 結論48
• 6.2 展望48-49
• 參考文獻49-52
• 在學研究成果52-53
• 致謝53

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 李峰,張英堂,王寧,宋兵,周寶成;基于小波和奇異譜降噪理論的軸承故障診斷研究[J];軸承;2003年07期

2 王楠,孫鳳久,陳長征;基于小波分析的低速重載軸承故障診斷[J];東北大學學報;2005年01期

3 楊桂芹;徐紅莉;;基于最大信息熵的小波包閾值去噪語音增強算法[J];測控技術;2011年10期

4 魯緒閣;范云霄;錢抗抗;;設備故障診斷技術綜述及其發(fā)展趨勢[J];礦山機械;2007年12期

5 張學工;關于統(tǒng)計學習理論與支持向量機[J];自動化學報;2000年01期

6 林近山;;基于經驗模式分解和譜峭度的滾動軸承故障診斷[J];機械傳動;2012年09期

7 郝剛;潘宏俠;;小波包降噪與HHT在齒輪箱滾動軸承中的故障診斷[J];礦山機械;2012年10期

8 房立清,米東,徐章遂,陳東根;基于奇異譜分析的發(fā)動機燃油系統(tǒng)故障診斷[J];燃燒科學與技術;2003年02期

，

本文編號：940227