隨著工業(yè)機械化程度的不斷發(fā)展,各類機械設備被廣泛運用,為了降本增效,機械設備的健康管理成為社會企業(yè)面臨的重大問題,也是國內外學者主要關注的熱點。在礦山企業(yè)工程實踐活動中,礦冶設備是否健康運行對礦山企業(yè)的經濟效益影響尤其重大。在實際的工程實踐中,由于礦冶設備工作環(huán)境的復雜性、工況的特殊性,實現對礦冶設備典型零部件的健康管理面臨一些相應的障礙。首先是對于所采集振動信號數據提純問題。由于對零部件剩余工作壽命預測研究需要沒有受到干擾的信號數據,故而如何對采集的信號數據進行降噪處理以獲取純凈的零部件振動信號數據也是設備健康管理的重點之一,同樣也是難點,尤其是在工況背景及其復雜的礦冶設備中;其次,在涉及到零部件的維修維護決策時,由于對零部件壽命所處階段判斷有偏差以及對它的劣化過程描述不準確,這就造成所做出的維修決策不夠科學。鑒于此,本文以“礦冶設備典型零部件壽命預測及維修決策研究”為題,借助礦冶設備中轉軸和煤棒擠壓筒這兩種典型的零件為研究載體展開相關研究。（1）首先,對如何獲取能較好地表征礦冶設備中轉軸的劣化過程的特征指標展開研究。對所采集到的零部件振動信號數據分別做時域、頻域以及時頻域分析,通過... 

【文章來源】：江西理工大學江西省

【文章頁數】：76 頁

【學位級別】：碩士

【部分圖文】：

小波軟閾值降噪法效果圖

（a）降噪前 （b）降噪后圖 3.3 小波 軟閾值降噪法效果圖3.5.2 零部件時/頻域以及時頻域特征篩選與融合如若要做到準確地判斷機械設備或者其關鍵零部件當前的運轉狀態(tài)以及它的壽命劣化狀態(tài)，重要的是找到能夠及時且科學的描述這一過程的劣化狀態(tài)指標。為了篩選出這樣的關鍵指標，運用上文所述技術手段，對眾多的時域、頻域以及時頻域的特征值進行求解，再將每一個特征值所反映出的零部件壽命劣化過程的趨勢圖示化，以便直觀的觀察和初步的篩選。以 Bearing1_A 的測試得到的振動信號數據為例，借助 MATLAB 軟件，得到各個特征值所描述的 Bearing1_A 壽命劣化趨勢如下圖 3.4-3.12 所示，其中橫坐標為采集的樣本點數 3000。

MIN以及絕對平均值描述的劣化過程

【參考文獻】：
期刊論文
[1]基于BP神經網絡的交流接觸器剩余電壽命預測[J]. 李奎,李曉倍,鄭淑梅,賀建超,武一.  電工技術學報. 2017(15)
[2]組合式同相供電裝置維修決策建模及優(yōu)化[J]. 劉航,李群湛,郭鍇.  西南交通大學學報. 2017(02)
[3]基于機會策略的多態(tài)系統視情更換決策[J]. 潘剛,尚朝軒,蔡金燕,梁玉英,孟亞峰.  北京航空航天大學學報. 2017(02)
[4]基于灰信息挖掘的視情維修決策方法研究[J]. 周志才,劉東風,石新發(fā).  振動與沖擊. 2016(05)
[5]基于延遲時間模型的民機部件維修優(yōu)化方法[J]. 柏文華,左洪福,呂德峰,袁鍇.  南京航空航天大學學報. 2015(06)
[6]基于小波包變換及RBF神經網絡的繼電器壽命預測[J]. 李志剛,劉伯穎,李玲玲,孫東旺.  電工技術學報. 2015(14)
[7]基于可靠運行區(qū)間重疊度的設備維修決策模型[J]. 張根保,王揚,李冬英,冉琰.  計算機集成制造系統. 2015(03)
[8]冗余小波包改進及其在齒輪箱故障診斷中應用[J]. 羅榮,田福慶,馮昌林,丁慶喜,李萬.  機械工程學報. 2014(15)
[9]狀態(tài)監(jiān)測下裝備最優(yōu)預防維修策略[J]. 姚運志,孟晨,王成,田再克,馮德龍.  計算機集成制造系統. 2013(12)
[10]振動信號處理方法綜述[J]. 李舜酩,郭海東,李殿榮.  儀器儀表學報. 2013(08)

博士論文
[1]球軸承疲勞剩余壽命分析與預測方法研究[D]. 徐東.國防科學技術大學 2011

碩士論文
[1]礦冶典型零部件退化狀態(tài)識別與剩余壽命預測及可再制造性評估[D]. 游雄雄.江西理工大學 2015
[2]基于非線性時間序列的胎兒心電信號分析與提取[D]. 王晨.北京工業(yè)大學 2009



本文編號：3269012