發(fā)布時(shí)間：2020-08-12 09:56

【摘要】：滾動軸承是機(jī)械設(shè)備中最常用的部件之一,因此,對滾動軸承故障診斷的研究十分重要。當(dāng)軸承某一元件表面出現(xiàn)局部損傷時(shí),在受載運(yùn)行過程中要周期性地撞擊與之相互作用的其他元件表面而產(chǎn)生周期性的沖擊脈沖力。由于沖擊脈沖力的頻帶很寬,會覆蓋軸承系統(tǒng)的各個(gè)固有頻率,所以該脈沖力同理想脈沖一樣必然激起軸承系統(tǒng)的各個(gè)固有振動。這樣,原來的平穩(wěn)振動信號變成了非平穩(wěn)振動信號。Fourier變換在頻域上是完全局部化的,但它不能提供任何時(shí)域的局部化特征。因此它不適應(yīng)非平穩(wěn)信號的分析;而窗口傅立葉變換盡管在時(shí)域和頻域均具有一定的局部化特征,但其局部化卻是固定不變的。小波分析能多尺度地同時(shí)提供信號在時(shí)域和頻域的局部化信息,因而成為信號處理尤其是非平穩(wěn)信號處理的重要手段。針對基于小波包分析的滾動軸承故障診斷,本文主要在以下幾方面展開研究: 1.系統(tǒng)地介紹了滾動軸承的振動機(jī)理及其典型故障的振動特征; 2.細(xì)致地闡述了小波分析的基本理論及其在信號處理中的應(yīng)用,引進(jìn)了移頻算法的小波包分解和重構(gòu)以克服Mallat算法中的頻率混迭現(xiàn)象,使分解系列的排列順序與頻帶的劃分順序一一對應(yīng)。 3.闡述了基于小波包分解與重構(gòu)的細(xì)化包絡(luò)解調(diào)和時(shí)延相關(guān)解調(diào)的原理,分別用這兩種解調(diào)法對滾動軸承幾種典型故障進(jìn)行了診斷,并比較了它們的診斷結(jié)果。實(shí)驗(yàn)結(jié)果表明,在滾動軸承故障診斷中時(shí)延相關(guān)解調(diào)與包絡(luò)解調(diào)相比,噪聲影響大幅減小,故障信息得以凸現(xiàn)。 4.介紹了利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷的原理及其步驟,針對BP算法存在的不足,本文采用了動量法和學(xué)習(xí)速率自適應(yīng)調(diào)整的策略對BP算法進(jìn)行改進(jìn)同時(shí),利用小波包分解與重構(gòu)提取滾動軸承振動信號的特征,然后由BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷。實(shí)驗(yàn)結(jié)果表明了這一方法的可行性和有效性。
【學(xué)位授予單位】：南昌大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2005
【分類號】：TH133.33
【圖文】：

圖.22表面損傷類軸承振動加速度信號時(shí)域波形及其細(xì)化時(shí)域波形滾動軸承的故障特征頻率一般在IK石貽以下，它是滾動軸承故障的重要信息一。本文的第四章將討論如何將軸承故障時(shí)產(chǎn)生的低頻通過振動從復(fù)雜的高頻有振動中分離出來，以計(jì)算其故障特征頻率，從而確定軸承故障發(fā)生的部位。下面我們將給出不受軸向力時(shí)軸承的故障特征頻率:1.2個(gè)滾動體與內(nèi)圈上某一損傷點(diǎn)接觸的故障為:，z_dcosa、_r二二(1一~一一二一一)j:F雀乙去夕(2.3)2.2個(gè)滾動體與外圈上某一損傷點(diǎn)接觸的故障為:4)5)，一.1.、，J聲廠·敘1班華竺)sf盯U乙，L3.滾動體上某一損傷點(diǎn)與內(nèi)圈或外圈接觸的故障為:f，=舟(1dZeosZaD2)sf

(1)軸承有偏心時(shí)的振動a當(dāng)軸承有偏心時(shí)，例如當(dāng)軸承的內(nèi)環(huán)嚴(yán)重磨損或開裂時(shí)，軸的中心(內(nèi)環(huán)中心)口便以外環(huán)中心O為中心作振擺。這時(shí)發(fā)生的振動情況如圖.24所示。此時(shí)振動的頻率為nof(of為旋轉(zhuǎn)頻率，。=，12，…)。下文將簡要介紹滾動軸承內(nèi)圈、外圈和滾動體分別存在單個(gè)損傷類故障時(shí)軸第10頁共74頁

基于小波包分析的滾動軸承故障智能診斷承振動信號及其包絡(luò)頻譜圖。(2)外圈有單個(gè)損傷類故障時(shí)的振動。當(dāng)滾動軸承外圈的某個(gè)部分存在點(diǎn)蝕、剝落、擦傷等損傷類故障時(shí)，便會發(fā)生如圖.27所示的振動。

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前10條

1 李虹;基于小波包變換與粗糙集的滾動軸承故障診斷研究[D];太原理工大學(xué);2011年

2 郭計(jì)云;基于小波分析的滾動軸承故障診斷方法研究[D];中北大學(xué);2007年

3 曾蕓;基于小波分析的滾動軸承故障診斷方法研究[D];南昌大學(xué);2007年

4 張曉平;基于支持向量機(jī)的多類分類算法研究及在滾動軸承故障識別中的應(yīng)用[D];太原理工大學(xué);2007年

5 于鳳英;基于遺傳神經(jīng)網(wǎng)絡(luò)的煤巖界面識別方法的研究[D];太原理工大學(xué);2007年

6 孟敬;基于DSP的鼠籠異步電機(jī)故障綜合診斷系統(tǒng)的研究[D];天津理工大學(xué);2008年

7 張國瑞;基于小波包—神經(jīng)網(wǎng)絡(luò)的機(jī)車軸承故障診斷的研究[D];中南大學(xué);2010年

8 王海鋒;基于Park矢量與信息融合技術(shù)的電機(jī)故障診斷[D];曲阜師范大學(xué);2012年

9 董群英;基于非平穩(wěn)時(shí)序分析的滾動軸承故障特征提取方法研究[D];中南大學(xué);2012年

10 楊云云;造紙機(jī)干燥部滾動軸承的故障診斷研究[D];陜西科技大學(xué);2012年

本文編號：2790384