基于同步提取变换的变转速工况下滚动轴承故障诊断方法研究

发布时间：2020-03-30 02:21

【摘要】：滚动轴承作为旋转机械的关键部件,其健康状态是决定机械安全运行的重要因素之一。在很多工程实际中,轴承通常处于一定范围内的转速波动中,变转速工况下的调频、调幅、调相等效应使传统基于频谱分析的故障诊断策略失效,因此如何将时变故障信息有效地提取出来是变转速工况下轴承故障诊断的关键问题之一。在此背景下,本文首先分析了不同诊断方法的特点和变转速工况下轴承故障信号的特点,针对轴承两种不同的工作环境,提出了相应的故障诊断方法。具体研究内容包括:(1)针对便于安装键相信号采集装置的工作环境,根据键相信号计算被测轴实时转速并绘制被测轴瞬时转频曲线;通过轴承几何尺寸计算轴承内、外圈故障特征系数并绘制内、外圈时变故障特征频率曲线。计算基于同步提取变换的时变幅值解调谱并将时频曲线与轴承内、外圈时变故障特征频率曲线相匹配,进而识别故障类型。(2)针对不便于安装键相信号采集装置的工作环境,将基于Viterbi算法的瞬时频率估计算法应用到轴承振动信号中;对瞬时频率估计算法的有效性进行了实验验证;计算基于同步提取变换的时变幅值解调谱并将时频曲线与轴承内、外圈故障特征频率相匹配,进而识别故障类型。(3)采用单自由度质量弹簧阻尼模型的振动响应模拟幅值解调的仿真信号,通过设置故障引起的冲击个数进行叠加生成定信号长度、定冲击个数的仿真信号并对以上方法进行验证,且分别进行不同方法和不同信噪比工况的对比验证。(4)通过旋转机械振动及故障模拟实验台模拟易于安装键相信号采集装置的工况,对基于键相信号和同步提取变换的故障诊断方法进行验证;通过高铁轴承综合实验台模拟不便于安装键相信号采集装置的工作环境,对基于瞬时频率估计和同步提取变换的故障诊断方法进行验证,并与传统方法的诊断效果进行对比验证。论文所提出的两种轴承故障诊断方法及分析结果,为变转速工况下轴承的健康状态监测和精密故障诊断提供了新的思路,具有一定的理论和应用价值。
【图文】：

振动信号仿真的难度。恒转速下，故障轴承仿真信号可以有多种信号成分叠加构成，若将故障造成的冲击信号 x1、背景噪声信号 x2和谐波信号 x3三种信号成分叠加起来，滚动轴承故障振动信号表达式可如下表示[47]。1 1sin(2π )tx e A f t α=(1-12x = n ( t)(1-23 2x = B sin(2π f t)(1-31 2 3y = x + x + x(1-4式(1-1)~ (1-4)中，α代表衰减率，A 代替设置的冲击幅值，t 为采样时间，f1为振动信号中冲击引起的共振频率；n ( t )为信噪比为-5 dB 的高斯白噪声；B=1.6 为谐波幅值， f2为谐波频率。设置衰减率α为 500，冲击信号幅值 A 为 0.8，共振频率 f1为 4 kHz，谐波频率 f2为 25 Hz，冲击信号频率 fo为 64 Hz，采样频率 fs设置为 10 240 Hz，采样时间定为 1 s。恒转速下故障轴承振动仿真信号的时域图和包络谱如图 4-1 所示。

图 1-2 变转速下故障轴承振动仿真信号由恒转速与变转速仿真信号时域图对比可以看出，恒转速下仿真信号时域图中冲击成分随时间分布均匀，而变转速下仿真信号时域图中冲击信号的密度大，冲击信号的密度随时间变化有一定程度的增加。由仿真信号频域图对比可以看出，恒转速下仿真信号频域图可见特殊频率冲击，，而变转速下仿真信号频域图有明显的频谱模糊现象，难以进行进一步分析。综上所述，在平稳转速时故障本身引起振动信号突变并具有一定调制作用而变转速下故障轴承振动信号不仅受故障本身的调制作用，也受到转速波动引起的调频、调幅和调相，振动信号是一种复杂的非平稳信号。如何通过建模、程序仿真等方法实现转速波动、调频、调幅和调相现象的仿真，并与所采用的振动分析方法相匹配，是变转速轴承故障信号仿真的关键问题。1.2.2.2 变转速工况下故障轴承振动仿真信号建模方法由于工业的蓬勃发展和机械设备稳定性要求的提高，以及电子硬件技术和非平稳信号处理理论等硬件条件和理论的发展，近十年来，变转速下轴承故障诊断方法的研究得到了逐步关注和发展。变转速下轴承故障诊断方法十分丰富
【学位授予单位】：石家庄铁道大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TH133.33

【相似文献】

相关期刊论文 前10条

1 屈强;尉宝元;;197726型滚动轴承故障产生原因及对策[J];京铁科技通讯(太原刊);2002年01期

2 贺天成;范云鹏;宁中赫;;利用包络解调技术分析诊断滚动轴承故障[J];冶金动力;2020年01期

3 聂海燕;;滚动轴承故障诊断方法综述[J];内燃机与配件;2019年23期

4 陈松;陈立爱;;经验模态分解和神经网络在滚动轴承故障诊断中应用研究[J];安徽建筑大学学报;2016年04期

5 倪安福;;基于包络谱分析的滚动轴承故障诊断方法研究[J];煤矿机械;2017年02期

6 秦波;孙国栋;陈帅;王祖达;王建国;;排列熵与核极限学习机在滚动轴承故障诊断中的应用[J];组合机床与自动化加工技术;2017年02期

7 李卫;;非平稳工况的滚动轴承故障特征研究新方法[J];机械设计与研究;2017年01期

8 汪治安;夏均忠;但佳壁;于明奇;吕麒鹏;;循环平稳在滚动轴承故障诊断中的应用[J];军事交通学院学报;2017年06期

9 陈慧;胡俊锋;熊国良;;基于小波包分解与权重包络谱的滚动轴承故障特征增强[J];机械设计与研究;2017年03期

10 陈雷;;滚动轴承故障诊断实例[J];设备管理与维修;2016年10期

相关会议论文 前10条

1 崔宝珍;王泽兵;潘宏侠;;小波包分析和模糊聚类方法在滚动轴承故障诊断中应用[A];第九届全国振动理论及应用学术会议论文集[C];2007年

2 和卫星;陈晓平;马东玲;;基于混沌时间序列的滚动轴承故障局部预测[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

3 张益纯;;常见滚动轴承故障诊断的技术探讨[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年

4 李放宁;;峰值能量在滚动轴承故障诊断中的应用[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年

5 李兴林;;滚动轴承故障诊断技术现状及发展[A];2009年全国青年摩擦学学术会议论文集[C];2009年

6 崔宝珍;王泽兵;潘宏侠;;小波包分析和模糊聚类方法在滚动轴承故障诊断中的应用[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

7 闵勇;郭一楠;闫俊荣;;基于贪心算法的滚动轴承故障诊断特征提取[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

8 杨积忠;左立建;;滚动轴承故障诊断实例[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

9 古莹奎;杨子茜;朱繁龙;;基于主成分分析的滚动轴承故障特征融合分析[A];2014年全国机械行业可靠性技术学术交流会暨可靠性工程分会第五届委员会成立大会论文集[C];2014年

10 王俊锋;申永军;;高阶统计量在滚动轴承故障诊断中的应用研究[A];第十四届全国非线性振动暨第十一届全国非线性动力学和运动稳定性学术会议摘要集与会议议程[C];2013年

相关博士学位论文 前10条

1 池永为;滚动轴承故障的振动特性分析与智能诊断方法研究[D];浙江大学;2018年

2 王洪伟;航空发动机滚动轴承故障诊断与预测关键技术研究[D];南京航空航天大学;2015年

3 葛慧敏;车辆滚动轴承故障诊断建模及关键技术研究[D];江苏大学;2017年

4 廖强;约束独立分量和多小波分析在滚动轴承故障诊断中的应用[D];电子科技大学;2016年

5 王聪;基于稀疏表达的机械信号处理方法及其在滚动轴承故障诊新中的应用研究[D];中国科学技术大学;2017年

6 徐剑;基于短时奇异谱分析的滚动轴承故障诊断方法研究[D];浙江大学;2017年

7 曾鸣;基于凸包的模式识别方法及其在滚动轴承故障诊断中的应用[D];湖南大学;2016年

8 郝腾飞;航空发动机滚动轴承故障的核方法智能识别技术研究[D];南京航空航天大学;2014年

9 于江林;滚动轴承故障的非接触声学检测信号特性及重构技术研究[D];大庆石油学院;2009年

10 Ao Hung Linh（池雄岭）;基于化学反应优化算法和支持向量机的滚动轴承故障诊断方法研究[D];湖南大学;2014年

相关硕士学位论文 前10条

1 逯全波;基于改进VMD的滚动轴承故障无线监测系统[D];重庆三峡学院;2018年

2 李志;基于模态分解的滚动轴承故障诊断方法研究及应用[D];内蒙古科技大学;2019年

3 张琳;基于同步提取变换的变转速工况下滚动轴承故障诊断方法研究[D];石家庄铁道大学;2019年

4 金治彬;基于时频变换与阶比分析的变转速滚动轴承故障诊断研究[D];石家庄铁道大学;2019年

5 武薇;基于排列熵理论的滚动轴承故障诊断研究[D];石家庄铁道大学;2019年

6 赵靖;强背景噪声下铁路列车滚动轴承故障特征提取方法研究[D];石家庄铁道大学;2019年

7 薛海峰;滚动轴承故障诊断方法研究[D];石家庄铁道大学;2018年

8 张安;基于SVD的滚动轴承故障特征提取[D];石家庄铁道大学;2019年

9 陆子鸣;基于NLM-VMD和度量学习的滚动轴承故障诊断研究[D];华中科技大学;2019年

10 陆超;基于局部均值分解样本熵及参数迁移学习的轴承故障诊断[D];燕山大学;2019年

本文编号：2606883