本文針對實測設(shè)備振動信號通常具有非線性或非線性成份的特性,以滾動軸承為研究對象,應(yīng)用非線性信號分析方法對滾動軸承振動信號非線性特征提取與故障診斷進(jìn)行了深入的理論與應(yīng)用研究。通過將復(fù)雜性測度——排列熵、核主元分析(KPCA)、流形學(xué)習(xí)方法和支持向量機(jī)(SVM)等四種非線性信號分析方法引入軸承故障診斷領(lǐng)域,對滾動軸承振動信號非線性特征提取與診斷進(jìn)行了系統(tǒng)的研究。 排列熵作為復(fù)雜性的一種測度,是反映信號序列無序程度的一個重要的非線性特征。將排列熵引入滾動軸承監(jiān)測與故障診斷,提出以排列熵作為表征滾動軸承狀態(tài)的特征,研究用排列熵檢測滾動軸承振動信號的突變的新方法。通過對典型非線性時間序列Logistic映射分析,驗證了用排列熵檢測非線性信號突變的敏感性和有效性。分析數(shù)據(jù)長度、延遲時間以及嵌入維數(shù)等參數(shù)對滾動軸承振動信號排列熵和計算耗時的影響,選擇適合滾動軸承振動信號的最佳參數(shù),研究不同狀態(tài)下的軸承振動信號的排列熵對狀態(tài)表達(dá)的有效性。結(jié)果顯示,排列熵可以檢測復(fù)雜信號的突變,且算法簡單,計算速度快,可用于監(jiān)測軸承狀態(tài)的變化。利用核主元分析對非線性信號的信息挖掘與降維的作用,在軸承振動信號的時域、頻域和時頻域的原始特征基礎(chǔ)上,研究基于KPCA對原始特征進(jìn)行降維提取軸承非線性特征表達(dá)軸承狀態(tài)的方法,通過對滾動軸承四種狀態(tài)下的核主元聚類性分析表明,在原始統(tǒng)計特征基礎(chǔ)上提取的非線性核主元的聚類性好,狀態(tài)表示性強(qiáng),有利于實現(xiàn)軸承狀態(tài)智能診斷。在核主元分析方法的基礎(chǔ)上,研究基于核主元Hotelling’s T2和Q統(tǒng)計量的軸承狀態(tài)監(jiān)測方法,通過對滾動軸承狀態(tài)的實例分析表明,該方法可以有效監(jiān)測軸承的故障狀態(tài)。 將流形學(xué)習(xí)方法應(yīng)用于故障診斷領(lǐng)域,提出利用流形學(xué)習(xí)方法提取滾動軸承振動信號高維原始統(tǒng)計特征的低維流形上的非線性狀態(tài)特征,研究其表征軸承狀態(tài)的方法。以軸承仿真振動信號和經(jīng)典的非線性高維數(shù)據(jù)Swiss Roll和Swiss Hole為對象,分析LLE、ISOMAP和LTSA三種典型流形算法提取軸承振動信號非線性特征的有效性,結(jié)果顯示LTSA流形算法提取的軸承振動信號非線性低維嵌入分量的聚類性好,適合用于軸承狀態(tài)辨識。通過對滾動軸承四種狀態(tài)下振動信號的實例研究,基于LTSA流形算法提取的特征分量與用標(biāo)準(zhǔn)PCA方法提取的主元特征相比,具有聚類性好,類內(nèi)距小等優(yōu)點,可有效表征軸承狀態(tài)。 軸承故障診斷的方法實質(zhì)是模式識別的問題。針對滾動軸承非線性振動特征與故障樣本少的實際情況,將支持向量機(jī)理論應(yīng)用于軸承故障診斷領(lǐng)域,研究基于“一對多”算法的SVM多類分類器的構(gòu)建方法。基于仿真軸承振動信號,通過交叉驗證的方法選擇最佳核函數(shù)及其參數(shù),驗證了基于徑向基核函數(shù)的SVM分類器的優(yōu)良分類性能。分別采用KPCA、LTSA兩種非線性特征提取方法與SVM相結(jié)合進(jìn)行了滾動軸承狀態(tài)識別的實例研究,研究表明基于徑向基核函數(shù)的SVM多類分類器在滾動軸承軸承振動信號特征辨識中識別率高,訓(xùn)練時間適中,具有優(yōu)良的性能,適合非線性小樣本的設(shè)備異常狀態(tài)識別。 上述方法的研究是建立在實驗驗證的基礎(chǔ)之上,本文基于虛擬儀器技術(shù)構(gòu)建數(shù)據(jù)采集系統(tǒng),以旋轉(zhuǎn)機(jī)械試驗臺和齒輪減速器為實驗平臺,通過對軸承進(jìn)行設(shè)置故障試驗,驗證了上述方法的可行性和有效性。
【學(xué)位單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2011
【中圖分類】：TH165.3
【部分圖文】：

第 2 章 研究對象分析與實驗設(shè)計2.2.1 滾動軸承動力學(xué)特性 本節(jié)以深溝球軸承為例，分析滾動軸承的動力學(xué)特性，圖 2.1 所示為滾動軸承結(jié)構(gòu)與安裝示意圖。工作過程中，設(shè)滾動體在滾道上做純滾動，且不考慮滾動體質(zhì)量，軸承外圈固定在機(jī)座上，內(nèi)圈隨軸旋轉(zhuǎn)，承受外部徑向垂直載荷為 F則由文獻(xiàn)[2,3]可得滾動軸承轉(zhuǎn)子系統(tǒng)動力學(xué)方程為:位論文全文數(shù)據(jù)庫 2011年 第09期 工程科技Ⅱ輯

系統(tǒng)與儀器 在江蘇千鵬診斷工程有限公司生產(chǎn)的 QPZZ-Ⅱ型旋轉(zhuǎn)機(jī)械齒輪減速器上進(jìn)行的�；邶X輪減速器的實驗將在第三章、故障設(shè)置方法與介紹的相同。實驗平臺如圖 2.3 所示，由、齒輪箱、軸、偏重轉(zhuǎn)盤、調(diào)速器等組成。通過調(diào)節(jié)配重以及組件的有機(jī)組合快速模擬各種故障，并對各種狀態(tài)的對驗通過更換被測部分的軸承，模擬軸承內(nèi)圈損傷、外圈損運行狀態(tài)，并模擬加載，測試四種狀態(tài)下不同轉(zhuǎn)速的軸承理如圖 2.4 所示。測試系統(tǒng)的硬件主要由加速度振動傳感電路、數(shù)據(jù)采集卡和計算機(jī)組成。傳感器：B&K4371 型壓電加速度傳感器，頻率范圍為 0.1H為 10pC/g，電壓靈敏度為 10mV/g，諧振頻率為 42KHz，g。為改善傳感器的剛性條件，在傳感器前端裝有強(qiáng)力磁吸器安裝在軸承座的兩個相互垂直的方向上，如圖 2.5 所示計算機(jī)

25圖2.4 滾動軸承振動測試系統(tǒng)圖圖2.5 被測對象及傳感器安裝位置電荷放大器： 由江蘇振動儀器廠生產(chǎn)，頻率范圍 0.3Hz~30KHz，輸出電壓可根據(jù)需要在 0.1~10mV/g 范圍內(nèi)調(diào)節(jié)。數(shù)據(jù)采集卡： NI PCI-6024E 數(shù)據(jù)采集卡，采樣速率 200 kS/s，12 位精度，16 路模擬輸入多功能數(shù)據(jù)采集卡，輸入范圍±0.05~±10V，輸出范圍±10V。BNC2120 接口： NI BNC-2120 屏蔽式接線盒

【引證文獻(xiàn)】

相關(guān)期刊論文 前4條

1 侯國平;馬萱;唐茗;;改進(jìn)SVM模型在軸承故障診斷中的應(yīng)用研究[J];機(jī)械設(shè)計與制造;2012年09期

2 董華玉;;基于核主元分析和高斯混合模型的軸承轉(zhuǎn)子狀態(tài)評估[J];科學(xué)技術(shù)與工程;2014年01期

3 朱喜華;李穎暉;劉聰;李寧;張鵬;;基于自適應(yīng)核主元分析的EHA系統(tǒng)傳感器故障檢測[J];推進(jìn)技術(shù);2014年06期

4 張明真;郭敏;;基于流形學(xué)習(xí)和SVM的儲糧害蟲聲信號識別研究[J];云南大學(xué)學(xué)報(自然科學(xué)版);2014年02期

相關(guān)博士學(xué)位論文 前2條

1 李鵬;多尺度分析方法在旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測中的應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2012年

2 胡飛;列車軸承故障軌邊聲學(xué)檢測系統(tǒng)關(guān)鍵技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前4條

1 蘇陽;數(shù)據(jù)驅(qū)動滾動軸承故障診斷研究[D];沈陽大學(xué);2012年

2 萬鵬;基于流形學(xué)習(xí)的主軸系統(tǒng)故障診斷方法研究[D];北京信息科技大學(xué);2013年

3 石坤舉;基于LLE算法的轉(zhuǎn)子系統(tǒng)故障特征數(shù)據(jù)集降維方法研究[D];蘭州理工大學(xué);2013年

4 楊磊;基于LabVIEW的動車組轉(zhuǎn)向架狀態(tài)監(jiān)測及故障診斷[D];石家莊鐵道大學(xué);2013年

本文編號：2807878