基于SWT与麦克风阵列的滚动轴承声学诊断方法

发布时间：2020-05-13 20:46

【摘要】：轴承广泛应用于各种行业的机械设备中,轴承的故障诊断是故障诊断领域中发展的重点,由于滚动轴承的损坏而引起设备运行故障的情况在旋转机械中约占30%。某些高温、腐蚀、大型机械、有相对运动状态等场合,不便于采用接触式振动测量,而声信号测量具有非接触和对早期故障敏感的特点。本文针对不便进行接触测量的滚动轴承,以非接触式的麦克风传感器阵列作为信号采集方式,结合波束形成优化算法、同步压缩小波变换作为声信号处理方法展开基于声信号的滚动轴承故障诊断方法研究。结合两种算法,使信号信噪比和时频分辨率得到提高,同时优化了同步压缩小波变换对噪声的敏感性。本文主要工作内容如下:分析了麦克风阵列的结构模型及信号采集原理,对基于奇异值加权的波束形成声信号增强预处理的原理及算法介绍。并对滚动轴承的结构和其故障声学机理进行分析,指出对声学诊断的优点和难度。研究滚动轴承诊断的方法,介绍了时域指标分析、特征频率分析及时频谱、包络谱分析的原理及其应用。本文还详细介绍了小波变换和同步压缩小波变换的基本原理理论及其算法应用编写的实现,利用Matlab软件平台进行仿真分析以及通过相关实验进行算法验证。本课题还完成了滚动轴承声阵列故障模拟实验台的设计和搭建,并对整体的硬件系统的设计进行了介绍。基于LabVIEW和Matlab软件系统根据相关理论算法的原理进行编写程序,实现整体算法的应用。软件系统部分由数据采集及储存、麦克风阵列声信号增强、同步压缩小波变换信号处理重构、时域波形及时域参数指标分析、时频谱分析、频谱及包络谱分析等模块构成。本文最后通过设计搭建的滚动轴承故障模拟实验平台进行实验数据采集,对采集的实验数据处理后,进行结果分析,初步验证了本文研究的算法的有效性,所编写的软件系统的可行性,实现了预期的目标。
【图文】：

示意图,示意图,声源,麦克风传感器

图 2-1 麦克风阵列采集信号示意图Fig.2-1 Microphone array acquisition signal diagram用中，使用麦克风阵列需考虑环境噪声和多个方向的反射噪器阵列中第 i 个传感器拾取的信号 x(t )(i1,2...M)i 可用以下s(t)n(t)s(t)n(t)n(t)h(t)*s(t)n(t)iiiiiiliRiil 形式为x(t )h(t)*s(t)n(t)I 2-2）中的“*”为卷积算子，，式（2-1）中的i 是声信号传播声源信号，i 是声源传播到两麦克风传感器所需要的时间， ni声和多路径反射噪声的干扰信号，第 i 个传感器接收的背景)表示的是第 i 个传感器接收的多个方向的反射噪声。s (t)和 nil

模型图,近场,模型图,声波

广州大学硕士学位论文气中的传播速度，大小为 340m/s，近场声源的 s ( r, , ,t)不随仰角和方位角变化，而变成 s ( r,t22221()1tsrcsrr r ( ,,)exp[j(wtkr)]rAs rwt ，K 为声波系数，w为声波角频率。A/r 为声波角位、声压的幅度都有影响，声压振幅与径向距离的数学表达式和平面波一样。其近场模型如图
【学位授予单位】：广州大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TH133.33

【相似文献】