收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

滚动轴承振动信号特征提取与状态评估方法研究

王玉静  
【摘要】:滚动轴承是众多旋转机械的关键性部件,被人们称为机器的关节。其在极端环境下,受各种因素的影响,是整个旋转机械系统中可靠性最差的零部件,成为“水桶短板”,直接影响整个机械设备的运行可靠性。滚动轴承运行时,其性能一般会从正常状态逐渐衰退直至完全损坏。如果能在轴承损坏过程中检测到它的性能退化程度或同时检测到故障位置及性能退化程度,就能够变传统的定时或事后维修为视情维修,实现轴承的主动维护。这样可最大限度利用轴承寿命,降低维护保障成本,避免进一步导致事故发生,造成巨大的损失。该研究方向侧重于设备整体性能的研究,是从理念和方法上对现有故障诊断技术的拓展与深入。本文以滚动轴承为研究对象,对滚动轴承非平稳振动信号进行分析与处理。以实现一种滚动轴承不同状态(正常状态,内环、滚动体、外环故障状态及其不同性能退化程度)智能评估方法为目标,在深入研究振动信号特征提取与约简方法的基础上,进一步深入研究超球结构多类支持向量机的优化问题,以及如何建立滚动轴承多状态评估模型这一关键技术问题。论文的主要工作包括:(1)基于集合经验模态分解(EEMD)的振动信号时频分析方法研究。对比分析验证了基于EEMD的Hilbert谱时频分析方法具有时间和频率分辨率高、抗模态混叠的特点。并针对EEMD分解时,加入噪声幅值大小和集合平均次数这2个重要参数的选取问题,从能量标准差的角度,研究EEMD方法中加入白噪声的准则;针对滚动轴承振动信号经改进的EEMD分解后得到的固有模态函数(IMF)仍含有虚假分量和对滚动轴承故障不敏感的IMF分量问题,研究一种峭度值结合归一化相关系数的IMF提存算法。实验研究验证了所提方法的有效性,为后续进一步提取特征打下坚实的基础。(2)振动信号多域特征提取与约简方法研究。为了精细刻画滚动轴承运行状态,体现滚动轴承振动信号的全局特征以及局部特征,研究时域、频域和时频域的多域特征提取方案。其中,时频域特征提取方面提出了基于改进EEMD敏感IMF分别结合时域指标、频域指标、自回归模型和奇异值分解的方法。基于此构造了滚动轴承单个样本的特征向量以及各状态的特征向量矩阵,并建立了滚动轴承各状态特征库。针对高维特征之间存在相关性和冗余性的问题,研究流形学习算法,结合支持向量机(SVM)通过实验对比分析,确定了对滚动轴承特征约简最有效的方法。(3)智能分类方法及故障智能诊断方法研究。超球结构多类SVM虽具有一系列优点,但其分类精度与普通SVM相比并不高。针对此问题,研究分类规则,提出改进方案,并对关键区域提出了新的决策准则。同时,针对经验确定超球结构多类SVM核参数选取范围的问题,推导超球球心间的距离计算公式,提出将球心间的距离作为分离指数确定核参数的最优选取范围,达到了降低训练时间消耗的目的。深入研究了滚动轴承不同运行状态的智能故障诊断方法。建立了超球结构多类SVM智能诊断模型,并进行了大量实验,验证了所提方法的有效性。(4)滚动轴承状态评估方法研究。针对滚动轴承故障智能诊断方法只能判断轴承故障状态的从属关系,不能对损伤程度和故障变化进行量化描述,以此来定量评估其性能状态的问题,从SVM分类原理、滚动轴承结构及传感器安装位置的振动传播机理角度分析,提出基于SVM的补偿相对距离的评估指标;从改进超球结构多类SVM原理、特征向量的方向、各状态超球的位置关系多方面分析,又提出夹角余弦距离补偿广义最小距离的评估指标,建立了智能评估模型。通过滚动轴承不完备振动数据和全寿命完备数据两方面的实验研究,对比分析了各评估模型的性能。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 李伟;何涛;吴庆华;;小波变换与滚动轴承振动的故障诊断方法研究[J];三峡大学学报(自然科学版);2006年03期
2 黄勤芳;程艳;陈伟珍;;改进极限学习机在滚动轴承振动故障诊断中的应用[J];机械设计与制造;2016年01期
3 王曙;刘红星;白志平;李马;王正祥;郑维军;;齿轮箱滚动轴承振动诊断的难点与对策[J];中国设备工程;2011年04期
4 彭玉山,李明荣,张建华;滚动轴承振动的监测与诊断技术[J];工业仪表与自动化装置;1999年04期
5 赖俊贤,徐惠娟,刘海婴;滚动轴承振动与噪声[J];轴承;2001年09期
6 于宝龙;;关于滚动轴承振动与噪声的相关性分析[J];科技创新与应用;2013年25期
7 吴小莲;徐辅仁;徐增豪;卜文杰;梁邦龙;;导致支承船用齿轮轴滚动轴承振动的因素[J];舰船科学技术;2006年01期
8 徐相东;夏新涛;;滚动轴承振动的自助评估[J];硅谷;2014年21期
9 郭俊锋;施建旭;雷春丽;魏兴春;;一种滚动轴承振动信号的数据压缩采集方法[J];振动与冲击;2015年23期
10 权建军;;滚动轴承振动信号无线采集系统设计[J];工矿自动化;2012年06期
11 孔文涛;许益华;;滚动轴承振动的动态监测与安全性分析[J];化学工程与装备;2009年09期
12 马家驹,梁文梅;滚动轴承振动统计特性分析[J];轴承;1994年01期
13 夏新涛;孟凡念;;基于神经网络的滚动轴承振动预测[J];哈尔滨轴承;2009年01期
14 张永;夏新涛;王中宇;庞丽娟;;滚动轴承振动值的预测方法研究[J];哈尔滨轴承;2006年03期
15 常洪,夏新涛,王中宇,王景夏;滚动轴承振动评估的灰色理论[J];轴承;2004年08期
16 徐凯;;孪生支持向量机在滚动轴承振动故障诊断中的应用[J];煤矿机械;2016年04期
17 熊育林;张建芬;李登峰;;滚动轴承的振动故障与处理方法[J];冶金动力;2009年06期
18 何俊;杨世锡;甘春标;;一类滚动轴承振动信号特征提取与模式识别[J];振动.测试与诊断;2017年06期
中国重要会议论文全文数据库 前10条
1 李伟;何涛;吴庆华;;小波变换与滚动轴承振动的故障诊断方法研究[A];湖北省机械工程学会青年分会2006年年会暨第2届机械学院院长(系主任)会议论文集(上)[C];2006年
2 邵俊鹏;贾慧娟;;基于小波包变换的滚动轴承振动信号特征提取[A];制造业与未来中国——2002年中国机械工程学会年会论文集[C];2002年
3 陈晓平;和卫星;陈季云;;基于小波分析的滚动轴承振动信号处理[A];2008中国仪器仪表与测控技术进展大会论文集(Ⅰ)[C];2008年
4 郝高岩;刘永强;廖英英;;一种基于滚动轴承振动信号的瞬时转速估计算法[A];第十届动力学与控制学术会议摘要集[C];2016年
5 吴宝杰;刘庆廉;李兴林;周银生;;润滑脂的流变性和滚动轴承振动性能的关系[A];第六届全国表面工程学术会议暨首届青年表面工程学术论坛论文集[C];2006年
6 吴宝杰;刘庆廉;李兴林;周银生;;润滑脂的流变性和滚动轴承振动性能的关系[A];第六届全国表面工程学术会议论文集[C];2006年
7 冯明时;胥永刚;马海龙;高立新;;滚动轴承微弱特征的非线性增强与解调方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
8 李萌;陆爽;陈岱民;;基于小波神经网络的滚动轴承智能故障诊断系统[A];第三届全国信息获取与处理学术会议论文集[C];2005年
9 边杰;陈亚农;梅庆;唐广;;基于LMD边际谱的滚动轴承故障检测[A];第八届中国航空学会青年科技论坛论文集[C];2018年
10 胡清忠;褚福磊;;基于Hilbert解调的滚动轴承故障诊断分析[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
中国博士学位论文全文数据库 前4条
1 王玉静;滚动轴承振动信号特征提取与状态评估方法研究[D];哈尔滨工业大学;2015年
2 朱可恒;滚动轴承振动信号特征提取及诊断方法研究[D];大连理工大学;2013年
3 张锐戈;滚动轴承振动信号非平稳、非高斯分析及故障诊断研究[D];西安电子科技大学;2014年
4 刘畅;基于压缩感知的滚动轴承特征提取与特征约简方法研究[D];昆明理工大学;2017年
中国硕士学位论文全文数据库 前10条
1 焦艳;滚动轴承振动信号的降噪与状态分析[D];哈尔滨理工大学;2018年
2 杨晓燕;滚动轴承振动信号的特征提取方法研究[D];兰州理工大学;2018年
3 李文洒;弹性支承和油膜阻尼耦合条件下滚动轴承振动研究[D];河南科技大学;2017年
4 刘明辉;滚动轴承振动与噪声机理研究[D];太原科技大学;2013年
5 苏宝定;滚动轴承振动检测与智能诊断系统研究[D];大连理工大学;2009年
6 曹茂来;多功能滚动轴承振动测量仪的研究和开发[D];浙江工业大学;2017年
7 苏新伟;基于小波理论的滚动轴承振动信号的分析研究[D];哈尔滨工业大学;2007年
8 孙彦刚;滚动轴承振动信号降噪方法研究[D];华北电力大学(北京);2016年
9 俞培松;滚动轴承振动故障诊断技术的研究及其实际应用[D];同济大学;2007年
10 王勇;滚动轴承振动信号在线分析系统[D];河南科技大学;2011年
 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