滾動(dòng)軸承是各種機(jī)電設(shè)備中的重要組成部件，其主要特點(diǎn)是其壽命的隨機(jī)性較大，目前還無(wú)法準(zhǔn)確預(yù)測(cè)其壽命的長(zhǎng)短，并且它的工作狀態(tài)直接影響到設(shè)備正常運(yùn)行的質(zhì)量。因而掌握滾動(dòng)軸承運(yùn)行的工作狀態(tài)以及故障的形成和發(fā)展是目前機(jī)械故障診斷前沿領(lǐng)域中所研究的重要的課題之一。利用軸承及其組件的隨機(jī)振動(dòng)信號(hào)對(duì)其工作狀態(tài)進(jìn)行監(jiān)測(cè)和診斷是目前機(jī)械故障監(jiān)測(cè)與診斷研究中最常用的方法。在以機(jī)械設(shè)備振動(dòng)信號(hào)為參量的機(jī)械運(yùn)行狀態(tài)監(jiān)測(cè)與診斷中，當(dāng)軸承出現(xiàn)故障時(shí)，所測(cè)取的設(shè)備中機(jī)械設(shè)備振動(dòng)信號(hào)不但有軸承故障信號(hào)，而且還包含其它機(jī)械部件的振動(dòng)信號(hào)，是典型的非平穩(wěn)、非線性、非Gauss信號(hào)，并且在滾動(dòng)軸承早期的故障產(chǎn)生階段，其故障特征信息很微弱，很容易被機(jī)械中其它零部件運(yùn)行中引起的振動(dòng)信號(hào)和大量的隨機(jī)機(jī)械振動(dòng)信號(hào)所淹沒(méi)。如何從所測(cè)取的振動(dòng)信號(hào)中提取軸承微弱故障信號(hào)的特征信息并用來(lái)識(shí)別軸承的運(yùn)行狀態(tài)成了一個(gè)工程實(shí)踐中面臨的重要問(wèn)題。 本文基于現(xiàn)代信號(hào)分析中的時(shí)頻分析、時(shí)序分析、主分量分析、高階譜分析、小波分析、分形理論和人工神經(jīng)網(wǎng)絡(luò)等數(shù)學(xué)方法和工具對(duì)滾動(dòng)軸承運(yùn)行的工作狀態(tài)及故障特征進(jìn)行較為深入和系統(tǒng)的研究，給出了一些新的解決問(wèn)題的方案，其主要的研究成果和相應(yīng)的結(jié)論如下： 1. 應(yīng)用傳統(tǒng)譜分析和現(xiàn)代譜分析技術(shù)對(duì)滾動(dòng)軸承的振動(dòng)信號(hào)的頻譜進(jìn)行了詳細(xì)的分析。試驗(yàn)結(jié)果明確指明：無(wú)論用哪種頻譜分析方法，由于軸承的初始故障狀態(tài)產(chǎn)生的信號(hào)一般比較微弱，因而試圖通過(guò)所測(cè)取的振動(dòng)信號(hào)直接進(jìn)行頻譜分析從而得到軸承故障特征頻率的企圖是徒勞的。 2. 應(yīng)用包絡(luò)分析方法對(duì)滾動(dòng)軸承的振動(dòng)信號(hào)進(jìn)行了研究。試驗(yàn)結(jié)果表明：軸承如果不只是存在一個(gè)損傷點(diǎn)的情況下，試圖對(duì)包絡(luò)譜圖給出合理的解釋幾乎是不可能的。而一般情況下軸承當(dāng)使用到一定壽命時(shí)，或者由于某種原因引起損傷時(shí)，無(wú)論是外圈、內(nèi)圈、滾動(dòng)體還是保持架，只出現(xiàn)單個(gè)損傷的情況是很少見(jiàn)的。經(jīng)常是多個(gè)同類型故障同時(shí)出現(xiàn)，而且不可能等間隔分布。盡管包絡(luò)分析方法在軸承的故障特征頻率診斷中可以 WP=161 作為一種診斷方法應(yīng)用，但一般情況下應(yīng)與其它方法共同使用，形成多信息綜合判斷準(zhǔn)則，如果單獨(dú)使用則故障診斷的準(zhǔn)確率較低。 3. 詳細(xì)討論了STFT和WVD的理論和應(yīng)用中的問(wèn)題，建立了仿真軟件和分析軟件，并利用Wigner-Ville分布建立軸承狀態(tài)時(shí)頻譜圖對(duì)其正常和異常信號(hào)進(jìn)行分類。明確指出：利用滾動(dòng)軸承振動(dòng)信號(hào)的時(shí)頻特征譜圖建立基準(zhǔn)圖形信息庫(kù)是一種可行的滾動(dòng)軸承故障診斷的新方法。 4. 研究了高階譜在非平穩(wěn)、非Gauss、非線性信號(hào)特征提取中的良好的性質(zhì)與作用。給出了詳細(xì)的算法，建立了仿真軟件和分析軟件，并利用雙譜建立軸承狀態(tài)譜圖對(duì)其正常和異常信號(hào)進(jìn)行分類。明確指出：利用軸承信號(hào)的雙譜特征譜圖建立基準(zhǔn)圖形信息庫(kù)是一種可行的滾動(dòng)軸承故障診斷的新方法。 5. 利用分形原理和復(fù)雜信號(hào)分類的模式，詳細(xì)研究了分形維數(shù)—盒維數(shù)的原理，明確給出盒維數(shù)的計(jì)算方法和實(shí)現(xiàn)程序，并以盒維數(shù)建立了軸承故障特征維數(shù)。明確指出：相同工作狀態(tài)下的滾動(dòng)軸承振動(dòng)信號(hào)具有相近的盒維數(shù)，不同故障模式下的盒維數(shù)具有不同的數(shù)值，存在明顯的可分性�？梢岳煤芯S數(shù)來(lái)有效地識(shí)別滾動(dòng)軸承的故障狀態(tài)。分形理論可以為滾動(dòng)軸承的故障監(jiān)測(cè)和診斷提供一種準(zhǔn)確可靠的新的和實(shí)用方法。 6. 提出了一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的智能診斷系統(tǒng)。徑向基核函數(shù)采用Gauss函數(shù)作為基本核函數(shù)，其方差因子參數(shù)為極坐標(biāo)中的方向的函數(shù)，Gauss核函數(shù)的重要特點(diǎn)是保留集中在原點(diǎn)的信號(hào)自分量，抑制遠(yuǎn)離原點(diǎn)的交叉分量。仿真結(jié)果表明: RBF網(wǎng)絡(luò)不但訓(xùn)練所需的時(shí)間短而且訓(xùn)練效果非常好，對(duì)正弦信號(hào)的預(yù)測(cè)誤差在1%左右，其精度比BP網(wǎng)絡(luò)高得多。 7. 提出了一種基于AR模型特征參數(shù)建立徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的智能診斷系統(tǒng)。給出了詳細(xì)的算法，建立了仿真軟件和分析軟件。明確指出：只要AR模型的特征參數(shù)估計(jì)合理、準(zhǔn)確，網(wǎng)絡(luò)訓(xùn)練集規(guī)模選擇合理， 該智能網(wǎng)絡(luò)就能以90%以上的準(zhǔn)確率完成從滾動(dòng)軸承振動(dòng)信號(hào)空間到滾動(dòng)軸承故障狀態(tài)空間的非線性映射，完成滾動(dòng)軸承狀態(tài)模式識(shí)別的任務(wù)。 8. 提出了一種基于主矢量的主特征參數(shù)建立徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的智能診斷系統(tǒng)。給出了詳細(xì)的算法，建立了仿真軟件和分析軟件。明確指出：只要網(wǎng)絡(luò)訓(xùn)練集規(guī)模選擇合理，主特征值的特征參數(shù)估計(jì)合理、準(zhǔn)確，該智能網(wǎng)絡(luò)就能以90%以上的準(zhǔn)確率完成從滾動(dòng)軸承振動(dòng)信號(hào)空間到滾動(dòng)軸承故障狀態(tài)空間的非線性映射。完成滾動(dòng)軸承狀態(tài)模式識(shí)別的任務(wù)。 WP=162 9. 提出了一種基于小波分析的小波減噪方法，給出了具體的算法和分析軟件。通過(guò)仿真和試驗(yàn)研究表明，小波減噪方法是處理滾動(dòng)軸承微弱故障信號(hào)的有效工具，尤其對(duì)隱含其中的微弱振動(dòng)信號(hào)的檢測(cè)能力很強(qiáng)，是實(shí)現(xiàn)對(duì)復(fù)雜滾動(dòng)軸承故障信號(hào)信噪分離的較理想的工具。將小波減噪方法應(yīng)用于滾動(dòng)軸承的早期故障診斷，顯著地提高了信噪比，取得了很好的效果。同時(shí)指出：小波分析是機(jī)械微弱信號(hào)檢測(cè)的新方法和有力的工具。 10. 提出了一種基于小波能量特征向量和RBF網(wǎng)絡(luò)相結(jié)合的小波神經(jīng)網(wǎng)絡(luò)智能診斷系統(tǒng)。給
【學(xué)位單位】：吉林大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2004
【中圖分類】：TH133.3
【部分圖文】：

吉林大學(xué)博士學(xué)位論文損傷，其振動(dòng)波形往往是調(diào)幅波。相當(dāng)于載波作用的信號(hào)是軸承各部件以其固有頻率振動(dòng)的高頻成分，而起調(diào)制作用的信號(hào)是與軸承損傷故障頻率有關(guān)的低頻成分。況且調(diào)幅信號(hào)的幅值較小（軸承初始故障信號(hào)較微弱），因此對(duì)振動(dòng)信號(hào)直接作頻譜分析當(dāng)然不會(huì)出現(xiàn)故障特征頻率。

310型外環(huán)故障軸承功率譜

310型內(nèi)環(huán)故障軸承功率譜

【引證文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陸爽;基于雙譜分析的滾動(dòng)軸承故障模式識(shí)別[J];軸承;2005年05期

2 趙協(xié)廣;戴炬;;基于小波包的滾動(dòng)軸承組合故障診斷[J];軸承;2009年06期

3 陳霞;;滾動(dòng)軸承的智能診斷系統(tǒng)研究[J];湖北工業(yè)大學(xué)學(xué)報(bào);2007年04期

4 陸爽,李萌;基于雙譜分析的滾動(dòng)軸承故障特征提取[J];化工機(jī)械;2005年01期

5 田野;陸爽;;基于小波包和支持向量機(jī)的滾動(dòng)軸承故障模式識(shí)別[J];機(jī)床與液壓;2006年06期

6 陸爽;李萌;;基于關(guān)聯(lián)維數(shù)的滾動(dòng)軸承故障診斷的研究[J];機(jī)械傳動(dòng);2005年06期

7 王巖,陸爽;基于盒維數(shù)的滾動(dòng)軸承故障診斷[J];煤礦機(jī)械;2005年03期

8 毛志陽(yáng);陸爽;;基于K-L變換和支持向量機(jī)的滾動(dòng)軸承故障診斷[J];煤礦機(jī)械;2006年06期

9 陸爽;;基于奇異值分解和支持向量機(jī)的滾動(dòng)軸承故障模式識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2007年04期

10 李萌;陸爽;馬文星;;滾動(dòng)軸承故障診斷的分形特征研究[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2005年12期

相關(guān)會(huì)議論文 前2條

1 陳霞;;滾動(dòng)軸承的智能診斷系統(tǒng)研究[A];湖北省機(jī)械工程學(xué)會(huì)機(jī)械設(shè)計(jì)與傳動(dòng)專業(yè)委員會(huì)第十五屆學(xué)術(shù)年會(huì)論文集（二）[C];2007年

2 李萌;陸爽;陳岱民;;基于小波神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承智能故障診斷系統(tǒng)[A];第三屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2005年

相關(guān)博士學(xué)位論文 前3條

1 劉永斌;基于非線性信號(hào)分析的滾動(dòng)軸承狀態(tài)監(jiān)測(cè)診斷研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

2 苗學(xué)問(wèn);航空發(fā)動(dòng)機(jī)主軸承使用壽命預(yù)測(cè)技術(shù)研究[D];北京航空航天大學(xué);2008年

3 趙協(xié)廣;基于小波變換和經(jīng)驗(yàn)?zāi)B(tài)分解的滾動(dòng)軸承故障診斷方法研究[D];山東科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 彭建云;基于小波分析對(duì)變速箱進(jìn)行故障診斷[D];江西理工大學(xué);2010年

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

3 劉觀青;滾動(dòng)軸承故障診斷系統(tǒng)開(kāi)發(fā)[D];長(zhǎng)安大學(xué);2011年

4 姚百惠;故障滾動(dòng)軸承的轉(zhuǎn)子系統(tǒng)基座振動(dòng)響應(yīng)特性分析[D];湖南科技大學(xué);2011年

5 劉安寧;基于EMD與神經(jīng)網(wǎng)絡(luò)的柱塞泵故障診斷方法[D];華中科技大學(xué);2011年

6 陳瓊;基于信號(hào)處理的模式識(shí)別方法在滾動(dòng)軸承故障診斷中的應(yīng)用[D];北京化工大學(xué);2011年

7 項(xiàng)斌;基于小波包和支持向量機(jī)的機(jī)車軸承故障診斷研究[D];蘭州交通大學(xué);2011年

8 王歡;復(fù)雜機(jī)械系統(tǒng)噪聲源分離與診斷方法研究及軟件實(shí)現(xiàn)[D];哈爾濱工程大學(xué);2011年

9 蘇陽(yáng);數(shù)據(jù)驅(qū)動(dòng)滾動(dòng)軸承故障診斷研究[D];沈陽(yáng)大學(xué);2012年

10 王榮杰;電力電子整流裝置故障診斷方法的研究[D];廣東工業(yè)大學(xué);2006年

本文編號(hào)：2832706