旋轉(zhuǎn)機械在現(xiàn)代工業(yè)和智能制造中占據(jù)越來越大的地位。對旋轉(zhuǎn)機械的工作狀態(tài)進行實時監(jiān)控不僅能夠避免災難事故的發(fā)生,而且有望增加明顯的經(jīng)濟收益。滾動軸承被譽為工業(yè)生產(chǎn)中旋轉(zhuǎn)機械裝備的重要關(guān)節(jié)之一,在不同領域有著廣泛的應用,其運行狀態(tài)的正常與否直接關(guān)系到整個機械裝備的工作性能。因此,對于新故障診斷方法的探索和挖掘,滾動軸承是一個很好的研究對象。在實際工程中,由局部缺陷引起的軸承振動信號通常具有非線性、非平穩(wěn)、低信噪比、故障特征不明顯等特點,直接采用頻譜分析將難以做出有效診斷。另外,一些常規(guī)診斷方法如AR模型、譜峭度、時頻分析等各自具有一定局限性。因此,探索有效的滾動軸承故障診斷方法在工程實際中是不得不面對的現(xiàn)實問題。數(shù)學形態(tài)學是一種非線性非平穩(wěn)信號分析方法,通過結(jié)構(gòu)元素探針可以實現(xiàn)對非線性信號細節(jié)信息的有效匹配和捕捉,在軸承損傷檢測領域有著良好的應用前景。本文以滾動軸承為研究對象,在現(xiàn)有數(shù)學形態(tài)學方法的基礎上,對基于數(shù)學形態(tài)學的軸承故障診斷方法進行了深入研究并作出了改進,旨在提高軸承故障診斷的準確度,進而最大程度避免事故的出現(xiàn)。本文的創(chuàng)新點和主要工作內(nèi)容如下:（1）在研究數(shù)學形態(tài)學基本理論和性... 

【文章來源】：東南大學江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：144 頁

【學位級別】：博士

【部分圖文】：

滾動軸承故障診斷流程圖

論文的技術(shù)路線

（c）半圓型結(jié)構(gòu)元素圖2.10 不同形狀的結(jié)構(gòu)元素圖2.11 結(jié)構(gòu)元素參數(shù)自適應優(yōu)化流程圖2.4 仿真信號研究2.4.1 軸承故障仿真信號模型為了驗證參數(shù)優(yōu)化 CMFH 變換在提取振動信號周期性脈沖序列的有效性，借鑒文獻[167]的軸承故障仿真模型，構(gòu)造如下仿真信號： ()1.1sin(2)1.5sin(2)()2exp()cos(2)()()()()22310112stftftstatftytststrt （2.34）式中， mod(,1)0 smt kff， 0,1,2,,2047 k 。仿真信號 y (t)由 ()1s t、 ()2s t和 r (t)三部分組成。()1s t是幅值為 2、載波頻率1f 為 200Hz、調(diào)制頻率mf （軸承故障特征頻率）為 16Hz、衰減系數(shù) a 為-100 的周期性指數(shù)衰減脈沖序列，用于模擬軸承故障產(chǎn)生的沖擊信號。 ()2s t為兩正弦疊加信號，其頻率成分 f2、f3分別為 20Hz 和 30Hz，用于模擬軸承故障中的多干擾源信號。r (t)為仿真信號中添加的具有信噪比為 3dB 的高斯白噪聲

【參考文獻】：
期刊論文
[1]基于變尺度形態(tài)濾波的高速列車萬向軸故障辨識研究[J]. 李奕璠,劉建新,林建輝.  機械工程學報. 2018(04)
[2]基于ITD和改進形態(tài)濾波的滾動軸承故障診斷[J]. 余建波,呂靖香,程輝,孫習武,吳昊.  北京航空航天大學學報. 2018(02)
[3]基于VMD的自適應形態(tài)學在軸承故障診斷中的應用[J]. 錢林,康敏,傅秀清,王興盛,費秀國.  振動與沖擊. 2017(03)
[4]基于廣義形態(tài)學濾波和Hilbert邊際譜的滾動軸承故障診斷[J]. 崔寶珍,馬澤瑋,李會龍,王珊.  中國機械工程. 2016(11)
[5]基于噪聲輔助多元經(jīng)驗模態(tài)分解和多尺度形態(tài)學的滾動軸承故障診斷方法[J]. 武哲,楊紹普,任彬,馬新娜,張建超.  振動與沖擊. 2016(04)
[6]基于LMD自適應多尺度形態(tài)學和Teager能量算子方法在軸承故障診斷中的應用[J]. 武哲,楊紹普,張建超.  振動與沖擊. 2016(03)
[7]基于倒譜預白化和形態(tài)學自互補Top-Hat變換的滾動軸承故障特征提取[J]. 鄧飛躍,唐貴基,何玉靈.  振動與沖擊. 2015(15)
[8]基于變分模態(tài)分解和模糊C均值聚類的滾動軸承故障診斷[J]. 劉長良,武英杰,甄成剛.  中國電機工程學報. 2015(13)
[9]基于自適應多尺度自互補Top-Hat變換的軸承故障增強檢測[J]. 唐貴基,鄧飛躍,何玉靈.  機械工程學報. 2015(19)
[10]基于EEMD形態(tài)譜和KFCM聚類集成的滾動軸承故障診斷方法研究[J]. 鄭直,姜萬錄,胡浩松,朱勇,李揚.  振動工程學報. 2015(02)

博士論文
[1]信號的稀疏表達在滾動軸承故障特征提取及智能診斷中的應用研究[D]. 甘萌.中國科學技術(shù)大學 2017
[2]基于振動信號處理的滾動軸承故障診斷方法研究[D]. 王曉龍.華北電力大學(北京) 2017
[3]基于變分模態(tài)分解的風電機組傳動系統(tǒng)故障診斷研究[D]. 武英杰.華北電力大學(北京) 2016
[4]形態(tài)與形態(tài)小波降噪技術(shù)及其在位移測量中的應用[D]. 張成斌.南京航空航天大學 2016
[5]基于數(shù)學形態(tài)學和局部均值分解的旋轉(zhuǎn)機械故障診斷方法[D]. 鄭直.燕山大學 2015
[6]非平穩(wěn)信號特征提取方法研究及其在內(nèi)燃機故障診斷中的應用[D]. 王霞.天津大學 2015
[7]局部特征尺度分解方法及其在機械故障診斷中的應用研究[D]. 鄭近德.湖南大學 2014
[8]基于廣義局部頻率的非線性非平穩(wěn)信號故障特征提取方法研究[D]. 唐友福.上海大學 2013
[9]基于滑移向量序列奇異值分解的滾動軸承故障診斷研究[D]. 從飛云.上海交通大學 2012
[10]基于熵的表面肌電信號特征提取研究[D]. 陳偉婷.上海交通大學 2008

碩士論文
[1]滾動軸承復合故障機理及振動模型研究[D]. 董振振.哈爾濱工業(yè)大學 2015
[2]形態(tài)學濾波新方法及其在旋轉(zhuǎn)機械故障診斷中的應用[D]. 李揚.燕山大學 2013



本文編號：3338271