本文關(guān)鍵詞：滾動(dòng)軸承性能退化評(píng)估技術(shù)研究

  更多相關(guān)文章： 滾動(dòng)軸承 性能退化評(píng)估 小波濾波 特征提取 SVDD

【摘要】：滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械中的常用零部件,其故障(損傷)是旋轉(zhuǎn)機(jī)械失效的重要原因。當(dāng)前針對(duì)軸承故障有無(wú)及其類型診斷的研究較多,而針對(duì)軸承性能退化(損傷發(fā)展)程度評(píng)估的研究較少。如果能夠在設(shè)備運(yùn)行過(guò)程中,對(duì)軸承的性能退化進(jìn)行有效評(píng)估,那么就可以科學(xué)合理地組織生產(chǎn)和維護(hù)設(shè)備,縮短停機(jī)維修時(shí)間,提高設(shè)備利用率和可靠性,有效降低機(jī)器全壽命周期費(fèi)用。本文基于振動(dòng)信號(hào),針對(duì)滾動(dòng)軸承性能退化評(píng)估過(guò)程中的信號(hào)帶通濾波、特征提取和評(píng)估模型構(gòu)造等問(wèn)題,運(yùn)用信號(hào)處理和模式識(shí)別理論,對(duì)滾動(dòng)軸承性能退化評(píng)估技術(shù)進(jìn)行了一系列的研究。具體研究工作內(nèi)容如下:(1)信號(hào)濾波方面。分析了滾動(dòng)軸承性能退化時(shí)的振動(dòng)機(jī)理,并利用Morlet小波濾波器對(duì)采集的振動(dòng)信號(hào)濾波,獲取周期性沖擊信號(hào),用于下一階段的特征提取研究。在Morlet小波濾波器設(shè)計(jì)方面,以最小Shannon熵作為適應(yīng)度函數(shù),提出了基于帶約束粒子群優(yōu)化算法(PSO)的濾波器構(gòu)造方法�；诜抡嫘盘�(hào)和實(shí)驗(yàn)臺(tái)信號(hào),對(duì)該濾波器的濾波效果進(jìn)行了驗(yàn)證,結(jié)果表明該濾波器能夠有效獲取周期性沖擊成分。(2)特征提取方面。從單調(diào)趨勢(shì)的角度研究了多種工況條件下軸承性能退化評(píng)估的特征提取方法。首先,提出了基于Hilbert解調(diào)的包絡(luò)幅值譜熵、基于小波包分解的能量比和譜線跨度等三個(gè)特征,并對(duì)它們的性能進(jìn)行了分析;結(jié)果表明,針對(duì)多種工況條件,上述三特征均可單調(diào)反映軸承性能退化程度。其次,介紹了傳統(tǒng)特征(均方根和峭度指標(biāo))和文獻(xiàn)中的特征(DFA指數(shù)、幅值譜熵和基于AR模型的能量比),并將它們與本文提出的特征進(jìn)行了對(duì)比;結(jié)果表明,本文提取的三個(gè)特征能夠更好地反映多種工況條件下軸承性能退化程度。(3)評(píng)估模型方面。首先,提出了基于單調(diào)特征融合的性能退化性評(píng)估模型,并結(jié)合試驗(yàn)臺(tái)數(shù)據(jù)驗(yàn)證了該模型的有效性,結(jié)果表明該模型能夠有效評(píng)估滾動(dòng)軸承性能退化程度。其次,介紹了基于SVDD的性能退化評(píng)估模型,并根據(jù)設(shè)備性能退化的漸進(jìn)性和非減性特點(diǎn)對(duì)該模型進(jìn)行了改進(jìn),驗(yàn)證結(jié)果表明,改進(jìn)后的模型優(yōu)于原模型。本文研究結(jié)果表明,將文中提出的特征與評(píng)估模型相結(jié)合,能夠?qū)崿F(xiàn)對(duì)多種工況條件下滾動(dòng)軸承性能退化的有效評(píng)估。
【關(guān)鍵詞】：滾動(dòng)軸承 性能退化評(píng)估 小波濾波 特征提取 SVDD
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TH133.33
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-17
• 1.1 課題研究背景和研究意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-15
• 1.2.1 故障診斷信號(hào)處理技術(shù)12-14
• 1.2.2 故障診斷模式識(shí)別技術(shù)14-15
• 1.3 本文主要研究?jī)?nèi)容15-16
• 1.4 本文章節(jié)安排16-17
• 第二章 基于粒子群優(yōu)化算法的小波濾波方法17-33
• 2.1 滾動(dòng)軸承故障的振動(dòng)信號(hào)特征17-19
• 2.2 小波濾波器分析19-23
• 2.2.1 連續(xù)小波變換19-20
• 2.2.2 Morlet小波濾波器20-21
• 2.2.3 濾波器參數(shù)優(yōu)化策略21-23
• 2.3 粒子群優(yōu)化算法23-28
• 2.4 性能評(píng)價(jià)28-32
• 2.5 本章小結(jié)32-33
• 第三章 滾動(dòng)軸承性能退化的特征提取33-83
• 3.1 包絡(luò)幅值譜熵特征及其性能分析33-59
• 3.1.1 希爾伯特解調(diào)33-34
• 3.1.2 包絡(luò)幅值譜熵34-35
• 3.1.3 特征性能分析35-59
• 3.1.3.1 基于單點(diǎn)損傷36-48
• 3.1.3.2 基于非單點(diǎn)損傷48-59
• 3.2 小波包分解能量比特征及其性能分析59-66
• 3.2.1 小波包分解原理60-61
• 3.2.2 能量比特征61-62
• 3.2.3 特征性能分析62-66
• 3.2.3.1 基于單點(diǎn)損傷62-64
• 3.2.3.2 基于非單點(diǎn)損傷64-66
• 3.3 譜線跨度特征及其性能分析66-74
• 3.3.1 譜線跨度特征66-68
• 3.3.2 特征性能分析68-74
• 3.3.2.1 基于單點(diǎn)損傷68-71
• 3.3.2.2 基于非單點(diǎn)損傷71-74
• 3.4 特征性能對(duì)比74-82
• 3.4.1 傳統(tǒng)特征74-77
• 3.4.2 DFA指數(shù)77-78
• 3.4.3 幅值譜熵78-80
• 3.4.4 基于AR模型的能量比80-82
• 3.4.5 對(duì)比分析82
• 3.5 本章小結(jié)82-83
• 第四章 性能退化評(píng)估模型83-93
• 4.1 基于單調(diào)特征的性能退化評(píng)估模型83-86
• 4.1.1 評(píng)估模型83-85
• 4.1.2 模型驗(yàn)證85-86
• 4.2 基于SVDD的性能退化評(píng)估模型86-92
• 4.2.1 SVDD的基本原理86-88
• 4.2.2 評(píng)估模型88-90
• 4.2.3 模型驗(yàn)證90-92
• 4.3 本章小結(jié)92-93
• 第五章 結(jié)論和展望93-95
• 5.1 本文總結(jié)93-94
• 5.2 研究展望94-95
• 致謝95-96
• 參考文獻(xiàn)96-101

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 文莉,劉正士,葛運(yùn)建;小波去噪的幾種方法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年02期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 畢果;基于循環(huán)平穩(wěn)的滾動(dòng)軸承及齒輪微弱故障特征提取應(yīng)用研究[D];上海交通大學(xué);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 車勛建;基于有序決策樹(shù)的故障程度診斷研究[D];哈爾濱工業(yè)大學(xué);2011年

，

本文編號(hào)：562446