發(fā)布時(shí)間：2020-10-13 08:59

　　 煤礦通風(fēng)機(jī)作為礦井通風(fēng)系統(tǒng)的命脈設(shè)備,其旋轉(zhuǎn)機(jī)械的本質(zhì)導(dǎo)致其軸承成為廣大煤礦安全工作者的重點(diǎn)關(guān)注對象,因此,對煤礦通風(fēng)機(jī)軸承進(jìn)行狀態(tài)監(jiān)測和診斷是保證煤礦安全生產(chǎn)的重要前提。根據(jù)軸承運(yùn)行狀態(tài)與其振動(dòng)信號(hào)之間的內(nèi)在聯(lián)系,本文選取軸承振動(dòng)信號(hào)為研究對象,對其特征信息的提取和診斷分類展開分析和研究,并利用LabVIEW完成了滾動(dòng)軸承的在線故障診斷。在軸承振動(dòng)信號(hào)的特征信息獲取上,本文針對經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)方法在處理實(shí)際信號(hào)時(shí)存在的三個(gè)問題,進(jìn)行了分析改進(jìn):對于端點(diǎn)效應(yīng)問題的抑制,提出使用支持向量回歸機(jī)(SVR)對振動(dòng)信號(hào)兩端進(jìn)行延拓;對于模態(tài)混疊問題的改善,提出使用自適應(yīng)集總局部積分均值分解(AELIMD)對振動(dòng)信號(hào)進(jìn)行分解;在虛假分量問題上,對IMF分量和原始振動(dòng)信號(hào)進(jìn)行相關(guān)系數(shù)計(jì)算,從而排除虛假分量的影響。接著根據(jù)IMF分量的頻率特性和幅值差異,提出使用IMF能量向量和IMF排列熵向量分別作為振動(dòng)信號(hào)的特征向量,并以實(shí)際軸承故障數(shù)據(jù)設(shè)計(jì)特征提取實(shí)驗(yàn),對兩種提取方法進(jìn)行重復(fù)穩(wěn)定性和實(shí)用性對比,證明了排列熵特征提取方法的優(yōu)越性。在軸承故障分類方法上,本文針對極限學(xué)習(xí)機(jī)(ELM)中隨機(jī)產(chǎn)生的隱含層參數(shù)對分類性能的影響,提出使用煙花優(yōu)化算法(FWA)對ELM的隱含層參數(shù)進(jìn)行尋優(yōu)計(jì)算,并結(jié)合排列熵特征提取方法構(gòu)建出基于FWA-ELM的軸承故障診斷模型;最后,通過實(shí)際軸承故障數(shù)據(jù),與傳統(tǒng)的SVM、BP、PSO-ELM分類方法進(jìn)行對比診斷實(shí)驗(yàn),證明了FWA-ELM軸承故障診斷模型的有效性和優(yōu)越性。在軸承在線故障診斷上,本文使用LabVIEW設(shè)計(jì)出了采集存儲(chǔ)、常規(guī)分析、特征提取、診斷分類四個(gè)功能模塊,并結(jié)合在線故障診斷的時(shí)間連續(xù)性,設(shè)計(jì)出了軸承在線故障診斷平臺(tái),然后通過SQI機(jī)械故障模擬發(fā)生實(shí)驗(yàn)臺(tái),對所設(shè)計(jì)的在線故障診斷平臺(tái)進(jìn)行了可行性和準(zhǔn)確性驗(yàn)證。
【學(xué)位單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TD441
【部分圖文】：

前一章對信號(hào)分解算法的分析，本文確定以 AELIMD 作為算法；并以 SVR 延拓方法作為信號(hào)的初始端處理方法，的端點(diǎn)效應(yīng)。本章將以已有的軸承故障模擬發(fā)生平臺(tái)作為數(shù) AELIMD 完成軸承故障振動(dòng)信號(hào)的 IMF 分量提��；并根據(jù)分和幅值的變化特性，從能量分布和信號(hào)數(shù)據(jù)隨機(jī)程度兩個(gè)信號(hào)的特征提取。障數(shù)據(jù)來源及其特點(diǎn) (Source of Fault Signaeristics)以上海頻詢儀器公司的機(jī)械故障綜合模擬實(shí)驗(yàn)臺(tái)(圖 4-1)作行滾動(dòng)軸承不同工作狀態(tài)下的振動(dòng)信號(hào)測取實(shí)驗(yàn)，使用該障標(biāo)準(zhǔn)套件(M-BFK-1)作為實(shí)驗(yàn)數(shù)據(jù)測取對象，結(jié)合加速度公司的數(shù)據(jù)采集卡(USB-1608GX-2AO)和 LabVIEW 搭建出塊。

圖 4-2 LabVIEW 數(shù)據(jù)采集模塊Figure 4-2 LabVIEW data acquisition module每種狀態(tài)運(yùn)行 10min，總共獲得 4*600*1000 個(gè)數(shù)據(jù)，從每種狀態(tài)的振動(dòng)數(shù)據(jù)中取 3000 個(gè)數(shù)據(jù)，其時(shí)域波形如圖 4-3 所示，為了更加明顯的觀察軸承不同工作狀態(tài)下的振動(dòng)信號(hào)特點(diǎn)，給出其對應(yīng)的頻譜如圖 4-4 所示。-0.500.5正常-202內(nèi)圈故障-4-2024外圈故障0 0.5 1 1.5 2 2.5 3-101時(shí)間t/s滾動(dòng)體故障

圖 6-1 LabVIEW 的具體呈現(xiàn)形式Figure 6-1 The specific presentation form of LabVIEW6.2 程序結(jié)構(gòu)設(shè)計(jì)(Program Structure Design)基于 LabVIEW 的軸承故障診斷程序應(yīng)該具有以下幾種功能：(1) 為了應(yīng)對不同的軸承故障診斷方案，該程序應(yīng)該給用戶預(yù)留常規(guī)數(shù)據(jù)的配置窗口，尤其是針對不同類型軸承故障診斷的訓(xùn)練樣本輸入功能窗口。(2) 該程序應(yīng)該具有振動(dòng)數(shù)據(jù)采集、儲(chǔ)存、顯示等常規(guī)功能。(3) 該程序不僅應(yīng)該有本文所提的特征提取和故障診斷功能模塊，而且還需要有常規(guī)的時(shí)域和頻域分析功能。根據(jù)上述對程序所需功能的要求，結(jié)合軸承故障診斷流程，給出該程序的基本結(jié)構(gòu)如圖 6-2 所示。礦井通風(fēng)機(jī)軸承故障診斷
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔣麗英;李茜茜;崔建國;席劍輝;;變載荷條件下的滾動(dòng)軸承在線故障診斷方法[J];軸承;2016年06期

2 趙淳生;鮑明;;“軋鋼機(jī)系列軸承在線故障診斷技術(shù)”的研究[J];振動(dòng).測試與診斷;1988年03期

3 殷子鋒;;軌道車輛在線故障診斷產(chǎn)品的風(fēng)險(xiǎn)評價(jià)研究[J];管理觀察;2016年05期

4 趙剛;夏向陽;;變壓器油在線故障診斷技術(shù)及發(fā)展[J];長沙電力學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年04期

5 王天福;;基于數(shù)據(jù)挖掘的風(fēng)力發(fā)電設(shè)備在線故障診斷平臺(tái)[J];科技與創(chuàng)新;2016年10期

6 潘樺;水泥生產(chǎn)在線故障診斷系統(tǒng)[J];微計(jì)算機(jī)信息;2000年01期

7 楊琳霞;;基于振動(dòng)法的變壓器在線故障診斷的研究[J];大眾科技;2010年09期

8 孫傳明;基于Intranet/Internet網(wǎng)絡(luò)的壓縮機(jī)組在線故障診斷系統(tǒng)[J];中國設(shè)備工程;2003年08期

9 劉樹林,黃文虎,王日新,時(shí)文剛;基于免疫系統(tǒng)的往復(fù)泵在線故障診斷方法[J];中國機(jī)械工程;2002年08期

10 蘇寶林;李震;;基于最大異類距離和正則極端學(xué)習(xí)機(jī)的模擬電路在線故障診斷[J];儀表技術(shù)與傳感器;2017年02期

相關(guān)博士學(xué)位論文 前1條

1 周子冠;電網(wǎng)多數(shù)據(jù)源在線診斷方法研究[D];中國電力科學(xué)研究院;2010年

相關(guān)碩士學(xué)位論文 前10條

1 周成;基于AELIMD和ELM的煤礦通風(fēng)機(jī)軸承在線故障診斷[D];中國礦業(yè)大學(xué);2019年

2 鄭芳雄;化工企業(yè)在線故障診斷系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];大連理工大學(xué);2013年

3 張春燕;變壓器在線故障診斷技術(shù)研究[D];華北電力大學(xué);2013年

4 袁衛(wèi)波;基于CAN總線的車輛在線故障診斷系統(tǒng)[D];長安大學(xué);2012年

5 徐陽;基于ARM+DSP的準(zhǔn)在線故障診斷系統(tǒng)軟件系統(tǒng)關(guān)鍵技術(shù)的研究[D];鄭州大學(xué);2011年

6 王小鵬;基于小波變換和數(shù)據(jù)挖掘的風(fēng)電機(jī)在線故障診斷[D];蘭州理工大學(xué);2010年

7 成振華;基于神經(jīng)網(wǎng)絡(luò)的直流電機(jī)在線故障診斷研究[D];華南理工大學(xué);2017年

8 郭凱;基于GPRS抽油機(jī)在線故障診斷監(jiān)控器的研究與設(shè)計(jì)[D];蘭州理工大學(xué);2009年

9 吳錦龍;基于標(biāo)繪臺(tái)的在線故障診斷與系統(tǒng)重構(gòu)技術(shù)研究[D];哈爾濱工程大學(xué);2014年

10 何吉柱;AMT電控系統(tǒng)在線故障診斷與處理技術(shù)的研究[D];合肥工業(yè)大學(xué);2010年

本文編號(hào)：2838973