收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

伺服电机轴承-不对中复合故障诊断技术研究

黄旭  
【摘要】:智能化电机驱动的关键技术之一就是实现设备的故障预测与健康管理,旋转机械的健康状态监测是保证工业过程可靠性的一项重要任务。基于此研究背景,《国家中长期科学技术发展规划纲要(2006~2020年)》、《中国制造2025》和《机械工程学科发展战略报告(2011-2020年)》无一不将旋转电机设备及其关键零部件如电机等的故障监测、预警维护及健康管理技术列为优先内容和重要研究方向。因此,本课题开展了伺服电机轴承-不对中复合故障诊断的研究。本文针对轴承-不对中复合故障提出了基于伺服电机转速信号的故障诊断方法,首先推导了各单一故障激励产生的附加转矩表达式,接着探究了由复合故障激励带来的电机转速变化,从理论分析了转速法实现复合故障诊断的可行性。而后在Simulink中搭建了复合故障激励下的仿真模型,仿真结果验证了转速法诊断机理的正确性。为了更接近实际工况,在实验室搭建了基于Zynq-7020高性能SoC芯片的伺服驱动故障诊断平台,实验表明复合故障中轴承这类微弱故障信号的检测易受安装不对中等故障的干扰,会使得传统诊断算法失效。针对轴承故障的特征提取失效问题,以轴承外圈故障和安装不对中故障的复合故障为例,对比分析了谱峭度法和最大相关峭度解卷积算法的优劣。针对谱峭度算法,采用基于最小均方差准则的线性预测模型对复合故障信号进行预处理,提高了谱峭度算法的诊断效果,但其仅能提示峭度最大的频带区间作为最佳滤波带,容易忽略次共振频带区间,进而造成误诊断。另一方面,采用最大相关峭度解卷积算法从轴承-不对中复合故障中提取轴承故障特征,但该算法的效果受到解卷积周期和滤波器长度等参数的影响。为了提高最大相关峭度解卷积算法的特征提取效果,首先基于局部均值分解对复合故障信号进行预处理以提高其信噪比,针对其易受解卷积周期和滤波器长度等滤波器参数影响的问题,提出基于粒子群算法的解卷积滤波器参数优化方案,以相关峭度最大化为优化目标,优化解卷积周期和滤波器长度两个参数,实验结果较好地验证了该算法的有效性。针对安装不对中故障的检测,基于安装不对中故障的特征频率幅值随转速升高而增大的规律,提出了一种阶梯波给定的变转速检测方法。最后,基于上述研究内容设定了轴承-不对中复合故障诊断与辨识方案,并设计了轴承-不对中复合故障诊断系统软件,为后期工程化和产品化打下基础。


知网文化
【相似文献】
中国期刊全文数据库 前19条
1 雷高伟;张清华;马春燕;熊建斌;何俊;王磊;;证据理论在复合故障诊断中的应用研究[J];组合机床与自动化加工技术;2014年02期
2 王煜,任为端;F99-Ⅳ型500mA X线机复合故障检修分析[J];临床放射学杂志;2002年10期
3 崔玲丽;莫代一;张建宇;;基于匹配追踪的快速独立分析方法在轴承复合故障盲源分离中的应用[J];北京工业大学学报;2014年06期
4 马红强,李晓光,王勇;EDR-750BX线机复合故障一例[J];医疗装备;2001年04期
5 万书亭;张雄;豆龙江;;强噪源干扰下的滚动轴承复合故障分离方法研究[J];中南大学学报(自然科学版);2018年08期
6 岑健;李玉娜;;无量纲免疫支持向量机的复合故障诊断方法[J];计算机工程与应用;2013年15期
7 王斌;;新宇NC100型C臂X线机复合故障的检修[J];中国医疗设备;2008年04期
8 张应军;江永全;杨燕;张卫华;陈锦雄;;基于深度卷积神经网络的未知复合故障诊断[J];中国科技论文;2019年02期
9 郑胜;刘韬;刘畅;李华;;基于级联过完备字典稀疏表征的滚动轴承复合故障诊断方法[J];振动与冲击;2021年10期
10 邢砾文;姚文凯;黄莹;;基于深度学习的含未知复合故障多传感器信号故障诊断[J];重庆大学学报;2020年09期
11 刘昱;高学军;龙志;付登昊;杨健;;基于复合故障率的电网差异化规划方法研究[J];陕西电力;2015年08期
12 朱承麟;电力系统复合故障简化计算[J];华东电力;1986年05期
13 张坤鹏;姜斌;陈复扬;;牵引电机结构损伤降阶模型和复合故障分离[J];控制工程;2020年02期
14 王鹏;时运亭;刘杰;程利军;;基于POS-RELM的发动机复合故障在线诊断研究[J];信息技术与信息化;2016年05期
15 王臻;李承;林志芳;许允之;陈旭;;定子电流二次方法的异步电机转子复合故障诊断[J];电工技术学报;2016年16期
16 孙健峰;;工程机械齿轮箱复合故障诊断研究[J];建筑机械;2020年06期
17 李嘉鹏;苑宇;;基于小波-包络解调的齿轮箱复合故障研究[J];大连交通大学学报;2017年06期
18 王潇潇;牟浩江;梁建海;;一种复合故障预测动态建模方法[J];微计算机信息;2008年01期
19 冯永章,何平,张加强,魏茂隆;岛津3000 TX型CT机复合故障一例[J];中华放射学杂志;2001年05期
中国重要会议论文全文数据库 前6条
1 刘耀峰;剡昌锋;高象宏;罗伟;刘斌;;含有复合故障的滚动轴承-转子系统非线性动力学建模与振动特性分析[A];第十八届全国非线性振动暨第十五届全国非线性动力学和运动稳定性学术会议(NVND2021)摘要集[C];2021年
2 单成成;齐咏生;高胜利;李永亭;董朝轶;;基于信息图与MK-MOMEDA的齿轮箱复合故障诊断[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
3 袁静;龙勇;;导弹某双总线容错控制系统的复合故障树建模研究[A];第二十九届中国控制会议论文集[C];2010年
4 陈海燕;吴胜强;罗兆伟;刘思远;;旋转机械复合故障信号的单尺度形态学滤波方法研究[A];第九届全国流体传动与控制学术会议(9th FPTC-2016)论文集[C];2016年
5 吴嘉宁;阎绍泽;潘泽浩;;基于软件故障注入及Gini系数的机械系统复合故障严重度评价方法[A];中国空间科学学会2013年空间光学与机电技术研讨会会议论文集[C];2013年
6 訾艳阳;袁静;袁胜军;李臻;王晓东;何正嘉;;旋转机械复合故障的信号特征提取与识别方法研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年
中国博士学位论文全文数据库 前11条
1 张子英;基于新型反褶积理论的齿轮箱轴承复合故障诊断研究[D];中国矿业大学(北京);2020年
2 王学磊;变压器复合故障智能识别与热动力学焓变诊断技术研究[D];山东大学;2015年
3 吕轩;齿轮传动系统复合故障诊断技术研究[D];燕山大学;2020年
4 李蓉;齿轮箱复合故障诊断方法研究[D];湖南大学;2013年
5 岑健;基于人工免疫系统的机组复合故障诊断技术研究[D];华南理工大学;2010年
6 王宏超;基于稀疏分解及图像稀疏表征的滚动轴承微弱故障诊断[D];上海交通大学;2015年
7 邓飞跃;滚动轴承故障特征提取与诊断方法研究[D];华北电力大学(北京);2016年
8 白永亮;城轨列车轮对-轴箱故障表征与解耦算法研究[D];北京交通大学;2021年
9 何玉灵;发电机气隙偏心与绕组短路复合故障的机电特性分析[D];华北电力大学;2012年
10 陈向民;基于形态分量分析和线调频小波路径追踪的机械故障诊断方法研究[D];湖南大学;2013年
11 白卫齐;基于动态通信拓扑的高速列车协同控制方法研究[D];北京交通大学;2020年
中国硕士学位论文全文数据库 前20条
1 黄旭;伺服电机轴承-不对中复合故障诊断技术研究[D];哈尔滨工业大学;2021年
2 赵军;滚动轴承复合故障特征提取方法研究[D];华北电力大学;2019年
3 刘飞;基于解卷积方法的风电机组滚动轴承复合故障诊断研究[D];内蒙古工业大学;2019年
4 曹博博;提升机主轴装置故障检测与识别研究[D];中国矿业大学;2019年
5 蒋剑;基于深度卷积神经网络的旋转机械复合故障诊断方法研究[D];中国矿业大学;2019年
6 林剑峰;转子系统复合故障的诊断方法研究[D];华北电力大学;2018年
7 孙宏健;面向稀疏表征的滚动轴承-转轴复合故障诊断方法研究[D];哈尔滨工业大学;2018年
8 侯晓玲;滚动轴承复合故障特征增强和智能识别方法研究[D];北京化工大学;2018年
9 殷俊;高速列车牵引传动系统复合故障的诊断方法研究[D];南京航空航天大学;2018年
10 唐春萍;高速列车牵引电机驱动系统复合故障诊断[D];南京航空航天大学;2018年
11 贺朋;基于奇异谱和深度信念网络的轴承单一及复合故障诊断[D];燕山大学;2018年
12 李嘉鹏;基于小波分析的齿轮箱复合故障诊断方法研究[D];大连交通大学;2017年
13 刘军委;基于盲源分离的滚动轴承复合故障诊断方法研究[D];重庆大学;2016年
14 鲁朝静;齿轮箱复合故障诊断方法的研究[D];河北科技大学;2018年
15 张欢;基于多源信息融合的轴承复合故障诊断技术研究[D];贵州大学;2020年
16 金林强;高速列车牵引系统逆变器复合故障诊断[D];南京航空航天大学;2017年
17 杨玉青;轮轨复合故障对城轨车辆的动力学影响[D];北京建筑大学;2020年
18 单成成;基于解卷积方法的齿轮箱复合故障诊断研究[D];内蒙古工业大学;2021年
19 李凤英;基于多标签学习和极限学习机的复合故障诊断方法研究[D];北京化工大学;2021年
20 周士帅;旋转机械转子—滚动轴承复合故障诊断方法研究[D];中国矿业大学;2017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