基于模糊逻辑的轴承故障早期诊断方法研究

发布时间：2020-06-06 09:50

【摘要】： 滚动轴承是旋转机械中的易损零件,它的运行状态是否正常往往直接影响到整台机器的性能(包括精度、可靠性和寿命等)。据统计,在使用滚动轴承的旋转机械中,大约有30%的机械故障都是由于轴承的故障而引起的。可见,滚动轴承的运行状态对机器工作状况影响极大。通常,滚动轴承存在故障时会导致机器产生振动和噪声,甚至会引起机器的损坏,而在精密机械中(如精密机床主轴,陀螺等),对轴承的要求就更高,即使轴承滚道上有微米级的缺陷,都会致使整个机器系统的精度遭到破坏。因此,滚动轴承早期故障诊断技术的研究是非常必要的。 本文首先从设备性能衰退的角度分析了体现设备工作状态的各特征分布范围随设备性能衰退的变化过程,并针对滚动轴承的不同故障形式及轴承特征信息的载体轴承的振动特性进行了分析,给出了设备早期故障诊断的流程图。 针对滚动轴承故障时的振动特性,分析了傅立叶变换对非平稳信号分析的局限性,同时,研究了小波在时域和频域都具有局部化能力的特性,非常适合于非稳态信号的分析。因此,本文采用小波及小波包的分析方法提取滚动轴承的早期故障特征并引入了数理统计的分析方法选择轴承的早期故障特征。 基于小波包提取的轴承早期故障特征,本文针对模糊故障诊断矩阵需要现场的统计数据及专家的经验来确定,很难构建最优的模糊故障诊断矩阵,因此,采用遗传算法优化模糊故障诊断矩阵的方法进行滚动轴承的早期故障诊断,通过检验数据的对比分析验证了该方法的有效性。 本文也研究了小波分析方法提取滚动轴承的早期故障特征,采用遗传算法优化模糊故障诊断矩阵的方法进行滚动轴承的早期故障诊断,但是未取得满意的效果,因此,对小波提取的故障特征及效果不好的原因进行了剖析,然后,本文采用遗传算法优化T-S模糊模型的方法进行滚动轴承的早期故障诊断,通过检验数据验证了该方法的有效性。
【图文】：

离系统正常状态分布范围尚小的情况下征值进行分析，依据特征空间中的各特型。早期故障诊断的主要优点是在系统续的系统维护和系统零部件的及时更换程图如图 2-2 所示。

图 3-2 试验装置示意图Fig. 3-2 Sketch map of test bed外圈、滚珠的故障数据都分割成 132 个样本，，每 个点，其中轴承内圈、外圈、滚珠发生 7mil，1为 44 个。正常轴承的数据分割成 92 个样本，每 个点。实验数据中用于建模和检验的样本数量如表 3-1 建模样本数据及方法验证样本数据able 3-1 Samples for modeling and methodology witness建模样本数据 检验样本数据 720 24420 24120 24
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TH133.33

【引证文献】

相关硕士学位论文 前1条

1 张洋洋;基于多Agent技术的往复式压缩机在线智能诊断系统研究[D];大连理工大学;2012年

本文编号：2699505