煤礦通風機作為礦井通風系統(tǒng)的命脈設備,其旋轉機械的本質導致其軸承成為廣大煤礦安全工作者的重點關注對象,因此,對煤礦通風機軸承進行狀態(tài)監(jiān)測和診斷是保證煤礦安全生產的重要前提。根據(jù)軸承運行狀態(tài)與其振動信號之間的內在聯(lián)系,本文選取軸承振動信號為研究對象,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完成了滾動軸承的在線故障診斷。在軸承振動信號的特征信息獲取上,本文針對經驗模態(tài)分解(EMD)方法在處理實際信號時存在的三個問題,進行了分析改進:對于端點效應問題的抑制,提出使用支持向量回歸機(SVR)對振動信號兩端進行延拓;對于模態(tài)混疊問題的改善,提出使用自適應集總局部積分均值分解(AELIMD)對振動信號進行分解;在虛假分量問題上,對IMF分量和原始振動信號進行相關系數(shù)計算,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信號的特征向量,并以實際軸承故障數(shù)據(jù)設計特征提取實驗,對兩種提取方法進行重復穩(wěn)定性和實用性對比,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,本文針對極限學習機(ELM)中隨機產生的隱含層參數(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)進行尋優(yōu)計算,并結合排列熵特征提取方法構建出基于FWA-ELM的軸承故障診斷模型;最后,通過實際軸承故障數(shù)據(jù),與傳統(tǒng)的SVM、BP、PSO-ELM分類方法進行對比診斷實驗,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設計出了采集存儲、常規(guī)分析、特征提取、診斷分類四個功能模塊,并結合在線故障診斷的時間連續(xù)性,設計出了軸承在線故障診斷平臺,然后通過SQI機械故障模擬發(fā)生實驗臺,對所設計的在線故障診斷平臺進行了可行性和準確性驗證。
【學位單位】：中國礦業(yè)大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TD441
【部分圖文】：

前一章對信號分解算法的分析，本文確定以 AELIMD 作為算法；并以 SVR 延拓方法作為信號的初始端處理方法，的端點效應。本章將以已有的軸承故障模擬發(fā)生平臺作為數(shù) AELIMD 完成軸承故障振動信號的 IMF 分量提�。徊⒏鶕�(jù)分和幅值的變化特性，從能量分布和信號數(shù)據(jù)隨機程度兩個信號的特征提取。障數(shù)據(jù)來源及其特點 (Source of Fault Signaeristics)以上海頻詢儀器公司的機械故障綜合模擬實驗臺(圖 4-1)作行滾動軸承不同工作狀態(tài)下的振動信號測取實驗，使用該障標準套件(M-BFK-1)作為實驗數(shù)據(jù)測取對象，結合加速度公司的數(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)運行 10min，總共獲得 4*600*1000 個數(shù)據(jù)，從每種狀態(tài)的振動數(shù)據(jù)中取 3000 個數(shù)據(jù)，其時域波形如圖 4-3 所示，為了更加明顯的觀察軸承不同工作狀態(tài)下的振動信號特點，給出其對應的頻譜如圖 4-4 所示。-0.500.5正常-202內圈故障-4-2024外圈故障0 0.5 1 1.5 2 2.5 3-101時間t/s滾動體故障

圖 6-1 LabVIEW 的具體呈現(xiàn)形式Figure 6-1 The specific presentation form of LabVIEW6.2 程序結構設計(Program Structure Design)基于 LabVIEW 的軸承故障診斷程序應該具有以下幾種功能：(1) 為了應對不同的軸承故障診斷方案，該程序應該給用戶預留常規(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練樣本輸入功能窗口。(2) 該程序應該具有振動數(shù)據(jù)采集、儲存、顯示等常規(guī)功能。(3) 該程序不僅應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)的時域和頻域分析功能。根據(jù)上述對程序所需功能的要求，結合軸承故障診斷流程，給出該程序的基本結構如圖 6-2 所示。礦井通風機軸承故障診斷
【相似文獻】

相關期刊論文 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;;“軋鋼機系列軸承在線故障診斷技術”的研究[J];振動.測試與診斷;1988年03期

3 殷子鋒;;軌道車輛在線故障診斷產品的風險評價研究[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及發(fā)展[J];長沙電力學院學報(自然科學版);2006年04期

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

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

7 楊琳霞;;基于振動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)絡的壓縮機組在線故障診斷系統(tǒng)[J];中國設備工程;2003年08期

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

10 蘇寶林;李震;;基于最大異類距離和正則極端學習機的模擬電路在線故障診斷[J];儀表技術與傳感器;2017年02期

相關博士學位論文 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];中國電力科學研究院;2010年

相關碩士學位論文 前10條

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

2 鄭芳雄;化工企業(yè)在線故障診斷系統(tǒng)設計與實現(xiàn)[D];大連理工大學;2013年

3 張春燕;變壓器在線故障診斷技術研究[D];華北電力大學;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;2012年

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

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

7 成振華;基于神經網(wǎng)絡的直流電機在線故障診斷研究[D];華南理工大學;2017年

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

9 吳錦龍;基于標繪臺的在線故障診斷與系統(tǒng)重構技術研究[D];哈爾濱工程大學;2014年

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

本文編號：2838973