【摘要】：滾動軸承作為機械設備中常用、關鍵的零部件,其工作狀態(tài)是否正常,直接影響到整臺設備乃至整個生產線的產品質量和安全。對其進行故障診斷和監(jiān)測,是國內外學者在工程技術領域的研究開發(fā)熱點。利用滾動軸承及其部件的振動信號對其工作狀態(tài)進行分析,是目前旋轉機械故障監(jiān)測與診斷研究中最常用的方法。 鑒于振動信號的降噪對有效揭示故障信息非常重要,本文研究了基于平穩(wěn)小波的新閾值消噪方法。在機械設備的故障診斷與監(jiān)測過程中,故障特征提取和故障模式識別是兩個關鍵�；诖�,探討了基于圖像技術的故障特征提取方法,和基于參數(shù)最優(yōu)Morlet小波的故障特征提取方法。研究了LSSVM和FCM等模式識別方法在滾動軸承故障模式診斷中的應用和優(yōu)化。主要研究工作如下： (1)在信號降噪方面,分析了常用的小波去噪方法,在此基礎上提出了一種基于平穩(wěn)小波變換的新閾值消噪方法。閾值大小依據(jù)了沖擊型的故障信號和噪聲的小波系數(shù)在不同尺度上的特性。在綜合了軟、硬閾值函數(shù)的優(yōu)點的基礎上提出了一種新的參數(shù)可調閾值函數(shù)。與常用小波去噪方法進行了對比分析,結果表明該方法有效的提取信號中沖擊成分,為正確識別故障特征提供了有力的保證。 (2)在基于圖像技術的故障特征提取方面,介紹了希爾伯特包絡和雙譜概念,由此引入振動信號的包絡雙譜圖,提出了利用雙譜灰度圖矩統(tǒng)計量來表征軸承運行狀態(tài)。對矩特征統(tǒng)計量進行主成分分析而得到4個主成分特征,將其作為故障模式識別的輸入向量。對比分析了其它圖像特征提取技術,實驗表明,基于矩特征的滾動軸承狀態(tài)模式識別準確率更高一些。 (3)分析了Morlet小波參數(shù)對時頻分析的影響,針對軸承等機械故障振動信號波形為沖擊衰減這一特點,提出一種基于參數(shù)最優(yōu)Morlet小波的故障特征提取方法。為達到小波分析與沖擊特征成分的最佳匹配,將小波系數(shù)的峭度和最大值之積作為目標函數(shù),運用模擬退火算法優(yōu)化Morlet小波的兩個形狀參數(shù)：帶寬和中心頻率。將振動信號通過由Morlet小波確定的帶通濾波器,提取包絡功率譜作為故障特征,通過仿真實驗和實際故障信號對該方法進行了驗證。 (4)在故障模式識別方面,針對工程實際中難以獲得大量典型故障樣本的情況,將LSSVM方法引入軸承的智能故障診斷中。將特征優(yōu)選和SVM參數(shù)優(yōu)選同步進行,在得到較優(yōu)的λ、σ參數(shù)的同時進行特征選擇以獲取顯著特征子集。將4種運行狀態(tài)、5種轉速、2類載荷條件下測得的滾動軸承振動信號作為研究樣本,對識別準確率進行了驗證。 (5)本文提出一種基于類可分性測量的加權FCM算法,根據(jù)類可分性測量指標計算特征權,然后將特征權賦予相應特征,以反映特征對故障模式的敏感性。對四種載荷和多種故障程度下測得的滾動軸承振動信號進行了故障診斷分析。 文章最后對本文的工作進行了總結和對相關的研究技術進行了展望。
【圖文】：

故障診斷技術是隨著電子技術、數(shù)字信號處理技術、人工智能以及模式識別技術發(fā)展而進步的一門交叉學科，并在理論研究與工程應用方面都得到了推廣。軸承故障診斷的一般過程如圖1一1所示。動藝〔噪日}處}二二又}_}特征選擇監(jiān)…川_…}〔王畫，一}\決決決決決決決診診斷斷斷策策預預測測測測測圖1一1故障診斷的一般過程“信息獲取”一般是由傳感器和信號采集電路獲取機械設備的狀態(tài)信息。狀態(tài)信息、是機械設備狀態(tài)的載體，而其狀態(tài)信息的獲取一般要由傳感器去采集，所以說信息獲取是進行狀態(tài)監(jiān)測與故障診斷的必要前提[9]。目前信息獲取的方式主要包括:振動監(jiān)測，聲發(fā)射監(jiān)測，熱紅外圖像監(jiān)測，油液監(jiān)測，溫度監(jiān)測等。對于軸承而言，振動監(jiān)測的研究占據(jù)著最重要的地位。實際應用中，對于滾動軸承早期故障診斷主要采用振動信號，因為振動信號獲取方便，信號

k為原始小波分解系數(shù)，城一*為閡值處理后的系數(shù)，，為閉值。硬閡值的思想是把小波分解系數(shù)的絕對值和閉值t相比較，，低于或等于閡值的系數(shù)變?yōu)榱�，大于閡值的點保持不變。如圖2.1(b)所示。軟閩值法:哈\(二，獷卜{黔’(I硯/‘一‘州::(2一9)其中嘰，、為原始小波分解系數(shù)，城，*為閉值處理后的系數(shù)，sgno表示符號函數(shù)，t為閉值。軟閡值的思想是:即把小波分解系數(shù)的絕對值和閡值t相比較低于或等于閉值的點變?yōu)榱�，大于閡值的點變?yōu)樵擖c絕對值與閡值的差值，并保持符號不變，如圖2一1(c)所示。
【學位授予單位】：山東大學
【學位級別】：博士
【學位授予年份】：2011
【分類號】：TH165.3

【引證文獻】

相關博士學位論文 前1條

1 蔣熙馨;旋轉葉片動應變FBG分布式檢測及振動估計研究[D];武漢理工大學;2014年

本文編號：2593946