收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于滑移向量序列奇异值分解的滚动轴承故障诊断研究

从飞云  
【摘要】:随着科学技术的日益进步与现代工业的飞速发展,机械设备不断向大型、复杂、高速、高效及重载的方向发展;与此同时,其工作和运行环境也更加复杂和苛刻。这些设备通常作为能源、石化、冶金及其他国民经济支柱产业中的关键设备,它们一旦突然发生故障,不仅会增加企业的维护成本,降低企业的生产效率,还可能造成巨大的经济损失,甚至导致严重的人员伤亡,产生不良的社会影响。因此,开展对于此类设备的故障诊断技术研究对于设备的安全维护和运行具有重要的意义。 本文将以旋转机械中常见的滚动轴承为研究对象,在充分深入理解滚动轴承运行故障机理的基础上,将轴承转子系统中的转子交变载荷引入滚动轴承的故障模型,并提出了基于滑移向量序列奇异值分解的滚动轴承故障诊断方法。滚动轴承在强噪声背景下发生故障时,其故障特征的识别与提取会受到较大程度的干扰,因此从故障的物理本质入手,洞悉故障产生机理,给出更加精确表述故障特征的滚动轴承故障模型就显得至关重要。通过冲击波动非平稳模型提出,利用滑移向量序列奇异值分解方法处理故障信号,对于提高滚动轴承故障冲击波动识别精度,增强滚动轴承故障在强噪声背景下的弱故障特征提取能力具有重要作用。本文的主要研究内容如下: 1)从理论分析与工程应用的角度出发,阐述了论文的选题背景和研究意义。回顾分析的滚动轴承故障机理研究发展、故障诊断方法、故障特征提取手段等方面的国内外研究现状,总结了目前研究中需要解决的问题,提出本文的研究内容。 2)在深入研究滚动轴承故障机理的基础上,将轴系交变载荷影响因素引入滚动轴承故障模型。该交变载荷因素的引入,可更好地解释在轴承转子系统中滚动轴承故障信号的波形表现,提高对滚动轴承故障特征描述的准确性。同时该交变载荷的引入也使故障冲击的波动性增强,这对故障信号处理方法的应用带来的新的要求。 3)根据滚动轴承的故障冲击波动特性,提出了冲击波动非平稳故障模型。针对滚动轴承故障特征信号的非平稳特性,由于冲击滑移、波动的存在,呈现非严格的循环平稳特性,因此,针对滚动轴承特有的故障冲击循环特征,提出了冲击波动非平稳故障模型,使其能够更加精确的描述滚动轴承的故障特性,从而更加准确预测故障信号表现。 4)针对滚动轴承故障信号中出现的冲击波动及强干扰现象,本文提出一种滑移向量的架构方法,它可将对象振动信号架构成一列短时滑移向量序列,此向量序列的构架和应用将有助于信号时域上的细化分析处理。每一组滑移向量对应于从原振动信号中的截取的短时序列,通过滑移截取的方法可即可得到对应的滑移向量序列,通过此滑移向量可实现对信号的“显微镜”式分析效果,同时为后续的奇异值分解特征提取方法提供有效的分析依据和前提。 5)根据滑移向量序列的架构基础,引入奇异值分解算法对相应的滑移向量进行处理,以主奇异值比为对应的分析特征,形成基于滑移向量的奇异值分解特征提取方法。在对每一个滑移向量进行奇异值分解处理后,可得到对应的奇异值矩阵,通过计算获得其中的主奇异值比率作为新特征,由此可得到一组新的特征序列,此特征序列对应于原时间序列中的冲击特征表现,它可提取原信号中每一短时序列中的冲击特征,从而实现滚动轴承微弱故障冲击的识别与提取。 6)根据所获取的冲击特征序列相关参数,提出了基于滑移向量序列的奇异值分解故障诊断模型。该模型在充分利用新的冲击特征参数的技术上,结合最优滤波器设计的相关要求,给出了基于(f, Δf)的最优滤波器设计方法。该滤波器设计方案综合考虑了稳定性和故障提取能力的平衡问题,在保证故障识别稳定性和准确性的前提下,最优化地发挥滤波器的故障提取能力,从而实现对滚动轴承微弱故障的特征强化与提取。 综上所述,本文提出的基于滑移向量序列的奇异值分解的特征提取方法和故障诊断模型对于滚动轴承微弱故障的特征识别与提取、故障的准确诊断和智能评估具有重要的意义,为解决滚动轴承故障冲击波动及非平稳性等问题提供了一种可靠思路。


知网文化
【相似文献】
中国期刊全文数据库 前4条
1 宋建恒;;频谱分析法诊断滚动轴承故障[J];青海科技;2007年03期
2 戴红红;PeakVue技术原理与应用——M012130双通道数据采集器技术应用[J];中国设备工程;2005年11期
3 高景俊;孔胜军;张宝海;张元策;;PeakVue高级专利数据技术在轴承故障诊断中的应用[J];中国设备工程;2007年11期
4 苗海滨;李建勤;胡玉荣;;Peakvue技术在轴承故障诊断中的应用[J];设备管理与维修;2011年S1期
中国重要会议论文全文数据库 前1条
1 马汉元;胡立新;;设备诊断技术的新发展——介绍几种最新检测技术[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
中国硕士学位论文全文数据库 前4条
1 杨晨;基于振动信号分析法的滚动轴承故障诊断研究[D];兰州理工大学;2014年
2 楼军伟;滚动轴承故障特征信息提取及SVM智能识别研究[D];兰州理工大学;2013年
3 由理;基于EEMD与谱峭度的滚动轴承故障初始时间预测方法[D];兰州理工大学;2014年
4 高红斌;基于静动力学的滚动轴承故障模型分析及物理模拟[D];太原理工大学;2006年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978