本文選題：滾動軸承 + 故障診斷�。� 參考：《大連交通大學(xué)》2011年碩士論文

【摘要】：滾動軸承是旋轉(zhuǎn)機械中應(yīng)用廣泛,同時也是易損零件之一。由于滾動軸承特定的使用環(huán)境,造成其壽命的隨機性較大,目前還無法準(zhǔn)確預(yù)測其壽命的長短,但它的運行狀態(tài)直接影響到整個機械設(shè)備的狀態(tài)。據(jù)統(tǒng)計,在旋轉(zhuǎn)機械的故障中,有30%是由滾動軸承故障引起的。對滾動軸承進行狀態(tài)監(jiān)測及故障診斷能及時發(fā)現(xiàn)故障,能有效保護工廠財產(chǎn)及工人人身安全。因此,研究滾動軸承故障診斷技術(shù)有很重要的現(xiàn)實意義。 振動檢測法是現(xiàn)在滾動軸承故障診斷研究和應(yīng)用的主流。由于滾動軸承本身在工作時必然伴隨旋轉(zhuǎn)而產(chǎn)生振動,其運行狀況的好壞往往直接反映在振動信號中,而且振動信號測試簡單、直觀。通過測量、分析軸承的振動信號來判斷軸承狀態(tài)、進行故障診斷方便可靠。 模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)是近年來計算機智能領(lǐng)域中一個新的研究方向。它融合了神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)的各自優(yōu)點,將模糊推理系統(tǒng)架構(gòu)于神經(jīng)網(wǎng)絡(luò)上,充分發(fā)揮模型對于系統(tǒng)不確定性與不精確性的處理能力,同時具有自我學(xué)習(xí)與組織能力,能夠調(diào)整模型的參數(shù),因此被用于滾動軸承的故障診斷。 本文提出了一種基于頻帶能量和自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)的滾動軸承故障診斷方法。通過對滾動軸承振動信號進行時域分析,提取頻段能量參數(shù),實時判斷滾動軸承故障狀態(tài),然后再利用ANFIS作為分類器進行故障模式識別。利用ANFIS進行滾動軸承故障診斷,可以降低對操作人員的專業(yè)知識的要求,將故障診斷從傳統(tǒng)方法轉(zhuǎn)向人工智能方向。同時,診斷系統(tǒng)中智能技術(shù)的應(yīng)用能大大降低維修人員工作強度。 利用虛擬儀器設(shè)計開發(fā)了振動信號采集系統(tǒng)。同時結(jié)合LabVIEW和MATLAB兩款軟件的特點,開發(fā)了采用兩者混合編程的滾動軸承故障診斷系統(tǒng)。通過對實測的齒輪減速機滾動軸承故障信號數(shù)據(jù)進行驗證。結(jié)果表明,本文設(shè)計的基于模糊與虛擬儀器的滾動軸承故障診斷系統(tǒng)具有可靠、實用等特點。
[Abstract]:Rolling bearing is widely used in rotating machinery, and it is also one of the vulnerable parts. Due to the special use environment of rolling bearing, the life of rolling bearing is random, so it is not possible to predict the life of rolling bearing accurately, but its running state directly affects the state of the whole mechanical equipment. According to statistics, 30% of the faults of rotating machinery are caused by rolling bearing faults. The condition monitoring and fault diagnosis of rolling bearing can find the fault in time, and can effectively protect the factory property and the personal safety of workers. Therefore, the study of rolling bearing fault diagnosis technology has a very important practical significance. Vibration detection method is the main research and application of rolling bearing fault diagnosis. Because the rolling bearing itself produces vibration with rotation when it works, its running condition is often reflected directly in the vibration signal, and the vibration signal test is simple and intuitionistic. Through the measurement, the vibration signal of the bearing is analyzed to judge the bearing state, and the fault diagnosis is convenient and reliable. Fuzzy neural network system is a new research direction in the field of computer intelligence in recent years. It combines the respective advantages of neural network and fuzzy system. The fuzzy inference system is constructed on neural network, which makes full use of the model's ability to deal with system uncertainty and imprecision, at the same time, it has the ability of self-learning and organizing. The parameters of the model can be adjusted and thus used for fault diagnosis of rolling bearings. This paper presents a fault diagnosis method for rolling bearings based on band energy and adaptive neural fuzzy inference system (ANFIS). By analyzing the vibration signal of rolling bearing in time domain, the energy parameter of frequency band is extracted, and the fault state of rolling bearing is judged in real time. Then the fault pattern is identified by using ANFIS as classifier. Using ANFIS to diagnose rolling bearing fault can reduce the requirement of professional knowledge of operator and turn fault diagnosis from traditional method to artificial intelligence. At the same time, the application of intelligent technology in diagnosis system can greatly reduce the working intensity of maintainers. The vibration signal acquisition system is designed and developed by using virtual instrument. Combined with the characteristics of LabVIEW and MATLAB, a rolling bearing fault diagnosis system is developed. The fault signal data of rolling bearing of gear reducer are verified. The results show that the rolling bearing fault diagnosis system based on fuzzy and virtual instrument is reliable and practical.
【學(xué)位授予單位】：大連交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：TH165.3

【相似文獻】

相關(guān)期刊論文 前10條

1 李揚;劉一民;郭慶軍;;小波包絡(luò)分析在軸承故障診斷中的應(yīng)用[J];計量與測試技術(shù);2008年11期

2 馬鳴鶴;任亞軍;;基于C8051F340單片機的智能化軸承故障診斷儀[J];儀表技術(shù)與傳感器;2010年03期

3 岳紅利;田慕琴;;基于分形維數(shù)的電機軸承故障診斷[J];電氣技術(shù);2011年01期

4 高瑞;皮駿;;故障字典在軸承故障診斷中的應(yīng)用研究[J];中國西部科技;2011年17期

5 邵毅敏;胡玉梅;歐家福;陳曉慧;;滾動軸承動態(tài)剛性的激光位移測定法[J];激光雜志;2008年05期

6 李輝,鄭海起,唐力偉;基于EMD和包絡(luò)譜分析的軸承故障診斷研究[J];河北工業(yè)大學(xué)學(xué)報;2005年01期

7 郜立煥;雷萍;楊陽;劉世亮;孫俊偉;張福志;;小波神經(jīng)網(wǎng)絡(luò)技術(shù)在減速器軸承故障診斷中的應(yīng)用[J];礦山機械;2008年20期

8 朱穎莉;羅玉峰;劉玉瑩;;基于nRF2401的滾動軸承振動檢測系統(tǒng)的設(shè)計[J];工礦自動化;2009年08期

9 唐海峰;陳進;董廣明;;基于匹配追蹤的復(fù)雜度分析方法在軸承故障診斷中的應(yīng)用研究[J];振動工程學(xué)報;2010年05期

10 常家東;基于BP神經(jīng)網(wǎng)絡(luò)的磨機調(diào)心滾子軸承故障診斷研究[J];煤礦機械;2004年03期

相關(guān)會議論文 前10條

1 胡清忠;褚福磊;;基于Hilbert解調(diào)的滾動軸承故障診斷分析[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

2 張紅兵;;基于關(guān)聯(lián)維數(shù)改進算法的汽車滾動軸承故障診斷[A];蘇州市自然科學(xué)優(yōu)秀學(xué)術(shù)論文匯編(2008-2009)[C];2010年

3 袁惠群;聞邦椿;王德友;楊積東;;滾動軸承-轉(zhuǎn)子-定子系統(tǒng)的碰摩故障分析[A];2003大型發(fā)電機組振動和轉(zhuǎn)子動力學(xué)學(xué)術(shù)會議論文集[C];2003年

4 馮明時;胥永剛;馬海龍;高立新;;滾動軸承微弱特征的非線性增強與解調(diào)方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

5 張鵬;;滾動軸承的模糊疲勞可靠性計算[A];模糊數(shù)學(xué)和系統(tǒng)成果會論文集[C];1991年

6 朱泉;;滾動軸承故障診斷的實用技巧[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學(xué)術(shù)會議論文集[C];2000年

7 蘇鋼;姚成寶;;高溫鼓風(fēng)機軸承故障分析與診斷[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學(xué)術(shù)會議論文集[C];2000年

8 李健寶;彭濤;;基于EMD與相關(guān)性分析的滾動軸承智能故障診斷[A];第二十九屆中國控制會議論文集[C];2010年

9 張俊杰;;陶瓷材料在滾動軸承上的應(yīng)用[A];面向21世紀(jì)的科技進步與社會經(jīng)濟發(fā)展（下冊）[C];1999年

10 劉健海;溫詩鑄;;滾動軸承乏油計算模型[A];第五屆全國摩擦學(xué)學(xué)術(shù)會議論文集（下冊）[C];1992年

相關(guān)重要報紙文章 前10條

1 范增軍;施福樂看中中國滾動軸承市場[N];中國汽車報;2004年

2 ;制造滾動軸承實體保持架的高鋁鋅基合金材料[N];中國有色金屬報;2003年

3 洛陽軸承研究所總工程師 楊曉蔚;我國滾動軸承與國外有哪些差距[N];中國機電日報;2002年

4 周俊　宋愛華;山東泰安滾動軸承碳鋼球聯(lián)盟標(biāo)準(zhǔn)成功立項[N];中國質(zhì)量報;2010年

5 劉伊婷;滾動軸承實物質(zhì)量合格率94.6%[N];中國質(zhì)量報;2008年

6 郭志堅;滾動軸承產(chǎn)品質(zhì)量抽查合格率94.6%[N];中國工業(yè)報;2008年

7 楊一;滾動軸承行業(yè)標(biāo)準(zhǔn)及技術(shù)升級交流會擬在京舉辦[N];中國建材報;2007年

8 本報特約記者 孫烈根;依靠技術(shù)創(chuàng)新 不斷開拓市場[N];中國機電日報;2000年

9 理想;LMGU下半環(huán)外套圈雙列調(diào)心滾動軸承的特點[N];中國建材報;2011年

10 機　訊;軸承企業(yè)如何開拓國外市場[N];中國國門時報;2006年

相關(guān)博士學(xué)位論文 前10條

1 侯者非;強噪聲背景下滾動軸承故障診斷的關(guān)鍵技術(shù)研究[D];武漢理工大學(xué);2010年

2 董紹江;基于優(yōu)化支持向量機的空間滾動軸承壽命預(yù)測方法研究[D];重慶大學(xué);2012年

3 涂文兵;滾動軸承打滑動力學(xué)模型及振動噪聲特征研究[D];重慶大學(xué);2012年

4 陳仁祥;振動譜表征空間滾動軸承壽命狀態(tài)方法研究[D];重慶大學(xué);2012年

5 劉永斌;基于非線性信號分析的滾動軸承狀態(tài)監(jiān)測診斷研究[D];中國科學(xué)技術(shù)大學(xué);2011年

6 吳昊;滾動軸承動特性及軸承—轉(zhuǎn)子系統(tǒng)動力學(xué)模型研究[D];華東理工大學(xué);2011年

7 周宇;基于循環(huán)平穩(wěn)信號二維平面表示的滾動軸承早期故障診斷方法研究[D];上海交通大學(xué);2012年

8 潘玉娜;滾動軸承的性能退化特征提取及評估方法研究[D];上海交通大學(xué);2011年

9 王冬云;轉(zhuǎn)子-軸承故障診斷方法研究[D];燕山大學(xué);2012年

10 馮棟彥;高精度跟蹤架通用軸系匹配及消差方法研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機械與物理研究所）;2011年

相關(guān)碩士學(xué)位論文 前10條

1 袁方;基于1(1/2)維譜熵與支持向量機的滾動軸承故障診斷研究[D];湖南科技大學(xué);2010年

2 岳紅利;小波分形理論與神經(jīng)網(wǎng)絡(luò)結(jié)合的電機軸承故障診斷研究[D];太原理工大學(xué);2011年

3 賈天麗;軌道列車走行部滾動軸承故障診斷研究[D];北京交通大學(xué);2011年

4 陳夔蛟;基于振動信號的滾動軸承故障診斷研究[D];西安電子科技大學(xué);2011年

5 黃輝;基于SOPC的滾動軸承故障診斷系統(tǒng)研究和開發(fā)[D];中北大學(xué);2010年

6 劉浩;基于聲發(fā)射技術(shù)的貨車滾動軸承故障診斷研究[D];中南大學(xué);2010年

7 肖潔;基于Walsh變換的滾動軸承典型故障診斷方法研究[D];大慶石油學(xué)院;2010年

8 尚景山;基于模糊與虛擬儀器的滾動軸承故障診斷系統(tǒng)研究[D];大連交通大學(xué);2011年

9 劉春光;基于多傳感器信息融合的滾動軸承故障診斷研究[D];青島理工大學(xué);2009年

10 趙長生;滾動軸承故障特征增強方法與狀態(tài)預(yù)測研究[D];大連理工大學(xué);2010年

，

本文編號：1813523