滚动轴承故障诊断及性能退化评估

发布时间：2020-06-01 17:09

【摘要】：滚动轴承广泛运用于旋转机械设备中,是保证机械设备高效平稳运行的关键部件之一。然而,由于长时间运行于变载、高温、冲击等恶劣环境,滚动轴承也是机械系统中最容易出故障的零件之一。因此,做好滚动轴承故障诊断及其性能评估的研究工作,对于提高大型机械设备的稳定性、减少因事故带来的损伤有着重要意义。论文主要从故障诊断及性能退化这两个方面对滚动轴承进行研究,确定能表征轴承故障类型及其损伤程度的有效特征指标,并更好地揭示轴承故障演变的发展规律,具体工作内容如下:(1)针对滚动轴承不同故障与损伤难以识别问题,论文提出了一种基于EEMD快速近似熵(fast approximate entropy,FAE)和模糊C均值聚类(fuzzy C means clustering,FCM)的轴承状态识别方法。以轴承不同故障和损伤程度的振动信号为实验数据集,运用EEMD算法对其进行分解得到信号的高频和低频成分,确定信号分解后的有效本征模函数(intrinsic mode function,IMF)特征分量,接着求得其快速近似熵特征变量;以有效IMF分量下的快速近似熵特征来识别轴承不同状态;最后,采用模糊C均值聚类算法分别建立轴承故障类型及损伤识别模型,实现轴承运行状态的无监督识别。(2)针对传统时域特征在刻画轴承性能退化的缺陷性,论文通过分析轴承损伤规律及实验研究,合理筛选出能表征轴承性能损伤规律的有效指标。以轴承外圈全寿命数据为实验对象,运用论文所提出的EEMD快速近似熵方法提取有效IMF分量的快速近似熵特征,并引入均方根(root mean square,RMS)指标来替换熵特征中质量较差的分量,最终组成以快速近似熵和RMS为特征的高维性能评估指标。(3)为了解决高维性能指标中的“维数灾难”问题,论文运用了局部线性嵌入(locally linear embedding,LLE)特征提取算法对高维指标进行降维,得到滚动轴承更为典型的性能退化曲线;与传统拉普拉斯(Laplacian Eigenmaps,LE)降维算法相比,可以更早诊断出轴承早期性能退化点;并且,依据轴承退化中的“治愈现象”,还可以有效甄别轴承退化曲线中的不同损伤阶段,并对不同损伤点数据进行了时域和包络分析,实现滚动轴承的性能退化评估。实验结果证实了所提出方法的可行性与有效性。
【图文】：

却可以影响到其他一连串部件的运转，严重时更会危及整个机械设备的工作[1][2]，特别是装配有轴承和齿轮等大型旋转设备，若未及时发现旋转元件故障，则会在其高速运转过程中产生不可控的后果，给经济和人员安全带来不可逆的损失[3]。旋转机械广泛地运用于社会各类领域中，因机械故障和元件性能退化所造成的重大事故不计其数。1993 年黑龙江某电厂汽机末三级叶片断裂损坏，使得机组强烈振动，轴系稳定破坏，最终扭断主轴导致全部轴承严重损坏，且整个过程持续时间短暂。2003 年武汉钢铁生产轧机第四轴承发生故障，，由于未被及时发现，相继导致第三和第五轴上的齿轮发生断裂，最终造成 48 小时的生产停机；2014 年 12 月德国勃兰登堡州小城科斯多夫郊外的风力发电机被拦腰折断，整台风电机组完全报废，经济损失惨重，现场事故如图 1-1 所示；2017 年韩国一游乐场旋转飞船突发断轴事件（如图 1-2 所示），乘坐游客直接从 3 米半高空摔下，身上多处骨折。2018 年台儿庄风场一台风电机组因故障监测不及时，最终引发叶片变桨轴承螺栓断裂事件，暴露出设备存在的重大安全隐患。因此，做好机械设备的故障诊断与性能退化评估，不仅有利于保证设备安全稳定运行、消除重大隐患，还能减少因突发故障而引发的经济损失与人员伤亡。

却可以影响到其他一连串部件的运转，严重时更会危及整个机械设备的工作[1][2]，特别是装配有轴承和齿轮等大型旋转设备，若未及时发现旋转元件故障，则会在其高速运转过程中产生不可控的后果，给经济和人员安全带来不可逆的损失[3]。旋转机械广泛地运用于社会各类领域中，因机械故障和元件性能退化所造成的重大事故不计其数。1993 年黑龙江某电厂汽机末三级叶片断裂损坏，使得机组强烈振动，轴系稳定破坏，最终扭断主轴导致全部轴承严重损坏，且整个过程持续时间短暂。2003 年武汉钢铁生产轧机第四轴承发生故障，由于未被及时发现，相继导致第三和第五轴上的齿轮发生断裂，最终造成 48 小时的生产停机；2014 年 12 月德国勃兰登堡州小城科斯多夫郊外的风力发电机被拦腰折断，整台风电机组完全报废，经济损失惨重，现场事故如图 1-1 所示；2017 年韩国一游乐场旋转飞船突发断轴事件（如图 1-2 所示），乘坐游客直接从 3 米半高空摔下，身上多处骨折。2018 年台儿庄风场一台风电机组因故障监测不及时，最终引发叶片变桨轴承螺栓断裂事件，暴露出设备存在的重大安全隐患。因此，做好机械设备的故障诊断与性能退化评估，不仅有利于保证设备安全稳定运行、消除重大隐患，还能减少因突发故障而引发的经济损失与人员伤亡。
【学位授予单位】：东北电力大学
【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 杨经宇;陈琦;李瑞;;基于振动传感器性能退化数据的可靠性评估[J];城市建设理论研究(电子版);2017年24期

2 黄周霖;王召斌;王佳炜;;基于性能退化数据的可靠性评估方法综述[J];电器与能效管理技术;2017年19期

3 李业波;李秋红;黄向华;赵永平;;航空发动机性能退化缓解控制技术[J];航空动力学报;2012年04期

4 江瑞龙;陈进;刘韬;肖文斌;;设备性能退化评估在巡检系统中的应用[J];振动与冲击;2012年16期

5 钟鑫;刘文彬;杨剑锋;;基于逻辑回归的滚动轴承性能退化评估[J];科技信息;2010年16期

6 潘玉娜;陈进;李兴林;;基于模糊c-均值的设备性能退化评估方法[J];上海交通大学学报;2009年11期

7 贾占强;梁玉英;蔡金燕;;基于加速性能退化试验的板级可靠性评估[J];无线电工程;2008年02期

8 郭磊;陈进;赵发刚;董广明;王国伟;;基于支持向量机的几何距离方法在设备性能退化评估中的应用[J];上海交通大学学报;2008年07期

9 王立;于重重;施彦;张慧妍;;基于振动信号分析的电机性能退化特征提取[J];计算机仿真;2014年04期

10 黄大荣;汪鹏;;网络系统“亚健康”状态的性能退化评估模型[J];南京航空航天大学学报;2011年S1期

相关会议论文 前10条

1 郭磊;陈进;;设备性能退化评估与预测研究综述[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

2 吴琼;杨建中;王晶燕;满剑锋;;含测量误差的性能退化可靠性分析方法[A];中国力学大会-2015论文摘要集[C];2015年

3 胡昌华;;设备寿命预测技术[A];2015年中国自动化大会摘要集[C];2015年

4 王超;李凌;吴生虎;胡圣;;基于加速性能退化试验的单片集成电路可靠性评估[A];2010第十五届可靠性学术年会论文集[C];2010年

5 李卫彬;江畅;杨占峰;;材料性能退化的非线性电磁超声谐振技术研究[A];2018年全国固体力学学术会议摘要集（下）[C];2018年

6 朱义;陈进;;基于HMM的设备性能退化评估方法的研究[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

7 杨晓明;米雅妹;;混凝土桥梁材料性能退化监测系统[A];第八届全国地震工程学术会议论文集（Ⅱ）[C];2010年

8 匡正;苏艳梅;杨德庄;李春东;;两种确定热控涂层性能退化模型参数的组合优化算法[A];全国计算物理学会第六届年会和学术交流会论文摘要集[C];2007年

9 高军;阳川;;性能退化数据的归一化处理方法[A];中国电子学会可靠性分会第十四届学术年会论文选[C];2008年

10 陈涛;王衔;元国凯;刘晋超;;海上风电支撑结构使用安全管理[A];第三届中国风电后市场专题研讨会论文集[C];2016年

相关重要报纸文章 前4条

1 ;网络应用的资源难题[N];网络世界;2003年

2 ;国内长毛兔饲养存在的问题[N];中国畜牧兽医报;2008年

3 本报记者 次仁罗布;良马有心日驰千[N];西藏日报;2004年

4 本报记者 刘丽丽;90%大企业触及“私有云”[N];计算机世界;2010年

相关博士学位论文 前10条

1 齐佳;性能退化自恢复产品的相关竞争失效可靠性建模与评估[D];哈尔滨理工大学;2019年

2 朱江;固体氧化物燃料电池的性能退化模拟与抗积碳阳极设计[D];中国科学技术大学;2018年

3 黄文平;基于性能退化与冲击的竞争失效可靠性建模与维修优化研究[D];国防科学技术大学;2016年

4 丁传俊;小口径火炮关键零件及自动机性能退化建模方法研究[D];南京理工大学;2018年

5 牛乾;机械旋转部件的性能退化及其寿命预测方法研究[D];浙江大学;2018年

6 赵建印;基于性能退化数据的可靠性建模与应用研究[D];国防科学技术大学;2005年

7 袁容;基于性能退化分析的可靠性方法研究[D];电子科技大学;2015年

8 张彬;数据驱动的机械设备性能退化建模与剩余寿命预测研究[D];北京科技大学;2016年

9 郭磊;基于核模式分析方法的旋转机械性能退化评估技术研究[D];上海交通大学;2009年

10 肖文斌;基于耦合隐马尔可夫模型的滚动轴承故障诊断与性能退化评估研究[D];上海交通大学;2011年

相关硕士学位论文 前10条

1 薛冬;滚动轴承故障诊断及性能退化评估[D];东北电力大学;2019年

2 高安泽;基于超球体支持向量机的滚动轴承性能退化趋势预测[D];哈尔滨理工大学;2018年

3 徐继亚;电机轴承的智能故障诊断与性能退化趋势预测[D];江南大学;2018年

4 付洋;考虑性能退化的机械装备服役可靠性评估方法研究[D];西安电子科技大学;2018年

5 赵飞;滚动轴承性能退化的累积特征及集成预测模型研究[D];中国石油大学（北京）;2017年

6 沈培根;铁路信号继电器多参数性能退化及寿命预测的研究[D];河北工业大学;2016年

7 冯静;海基设备性能退化及健康管理策略研究[D];江苏科技大学;2018年

8 千正楷;服役后车体关键部位材料断裂性能退化研究[D];东北大学;2017年

9 程晓文;基于性能退化过程的序列优化方法与应用研究[D];电子科技大学;2018年

10 王丽梅;基于加速性能退化数据的产品可靠性建模方法研究[D];西南交通大学;2018年

本文编号：2691794