隨著工業(yè)和科學(xué)技術(shù)的進(jìn)步和發(fā)展,機(jī)電系統(tǒng)逐步走向智能化、高效化和精密化。滾動(dòng)軸承在很多機(jī)電系統(tǒng)中擔(dān)當(dāng)著承載和傳遞動(dòng)力的關(guān)鍵性作用。滾動(dòng)軸承一旦出現(xiàn)突發(fā)性故障,不僅嚴(yán)重影響設(shè)備的生產(chǎn)效率,甚至可能造成操作員工的傷亡。因此,及時(shí)掌握滾動(dòng)軸承的性能退化狀況、預(yù)測(cè)出滾動(dòng)軸承的剩余壽命、合理安排滾動(dòng)軸承維修更換計(jì)劃,對(duì)于保障機(jī)電設(shè)備的正常運(yùn)轉(zhuǎn)和降低滾動(dòng)軸承的維護(hù)成本具有相當(dāng)重大的意義。軸承的全壽命周期中,從早期故障到最終完全失效,中間要經(jīng)歷加深、磨平、惡化的過(guò)程。如果在這個(gè)過(guò)程中,能夠有效地監(jiān)測(cè)和評(píng)估軸承的性能退化程度,甚至預(yù)測(cè)到軸承的剩余正常使用壽命,那就可以根據(jù)當(dāng)前的狀況安排軸承的保養(yǎng)和維修,從而保障軸承的安全可靠和設(shè)備的良好運(yùn)行。本文以滾動(dòng)軸承為研究對(duì)象,根據(jù)經(jīng)驗(yàn)?zāi)B(tài)分解算法對(duì)滾動(dòng)軸承的振動(dòng)信號(hào)進(jìn)行特征提取,以邏輯回歸作為評(píng)估模型,定量評(píng)估滾動(dòng)軸承的性能退化狀況,并運(yùn)用自回歸移動(dòng)平均模型和灰色模型實(shí)現(xiàn)對(duì)滾動(dòng)軸承的信號(hào)特征值和剩余壽命預(yù)測(cè)。主要內(nèi)容為:1.建立軸承的性能退化評(píng)估模型。隨機(jī)選取軸承正常狀態(tài)下和失效狀態(tài)下的若干組數(shù)據(jù),根據(jù)經(jīng)驗(yàn)?zāi)B(tài)分解方法計(jì)算振動(dòng)信號(hào)本征模函數(shù)作為特征向量。以訓(xùn)練... 

【文章來(lái)源】：華東交通大學(xué)江西省

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

EMD算法流程圖

圖 2-2 貨車內(nèi)圈故障軸承Fig. 2-2 Bearing of railway freight car with inner race faul列車的車速記錄為 38 km/h。查詢相關(guān)資料了解到學(xué)傳感器的信號(hào)采樣頻率為 48KHz。根據(jù)軸承參征頻率 BPFI=44Hz。圖 2-3 是故障軸承內(nèi)圈信號(hào)的

14圖 2-4 各階 IMF 和殘余分量時(shí)域波形Fig. 2-4 Time domain Waveform of IMF and the residual components從圖 2-4 可知，IMF1 分量幅值最大，能量主要集中在 IMF1 上。因此對(duì) IMF解調(diào)。基于 EMD 和 Hilbert 變換相結(jié)合的包絡(luò)解調(diào)故障分析步驟如下：對(duì)待測(cè)信號(hào)進(jìn)行 EMD 分解，得到若干個(gè)頻率從高到低的 IMF 分量；

【參考文獻(xiàn)】：
期刊論文
[1]基于無(wú)量綱指標(biāo)與波譜分析的滾動(dòng)軸承故障診斷[J]. 陳俊君,徐冰.  機(jī)械設(shè)計(jì)與研究. 2015(04)
[2]基于威布爾分布及最小二乘支持向量機(jī)的滾動(dòng)軸承退化趨勢(shì)預(yù)測(cè)[J]. 陳昌,湯寶平,呂中亮.  振動(dòng)與沖擊. 2014(20)
[3]連續(xù)隱半馬爾科夫模型在軸承性能退化評(píng)估中的應(yīng)用[J]. 李巍華,李靜,張紹輝.  振動(dòng)工程學(xué)報(bào). 2014(04)
[4]隨機(jī)共振消噪和EMD分解在軸承故障診斷中的應(yīng)用[J]. 張超,陳建軍.  機(jī)械設(shè)計(jì)與研究. 2013(01)
[5]基于IMF能量譜的水聲信號(hào)特征提取與分類[J]. 劉深,張小薊,牛奕龍,汪平平.  計(jì)算機(jī)工程與應(yīng)用. 2014(03)
[6]基于局部特征尺度分解的經(jīng)驗(yàn)包絡(luò)解調(diào)方法及其在機(jī)械故障診斷中的應(yīng)用[J]. 程軍圣,鄭近德,楊宇.  機(jī)械工程學(xué)報(bào). 2012(19)
[7]基于信號(hào)預(yù)處理和Hilbert變換的滾動(dòng)軸承故障診斷[J]. 楊超,李亦滔.  華東交通大學(xué)學(xué)報(bào). 2012(04)
[8]IMF能量和RBF神經(jīng)網(wǎng)絡(luò)相結(jié)合在滾動(dòng)軸承故障診斷中的應(yīng)用研究[J]. 張梅軍,王闖,陳灝.  機(jī)械. 2012(06)
[9]一種新的非平穩(wěn)信號(hào)分析方法——局部特征尺度分解法[J]. 程軍圣,鄭近德,楊宇.  振動(dòng)工程學(xué)報(bào). 2012(02)
[10]耦合隱馬爾可夫模型在軸承故障診斷中的應(yīng)用[J]. 肖文斌,陳進(jìn),周宇.  噪聲與振動(dòng)控制. 2011(06)



本文編號(hào)：3607815