基于改进VMD的滚动轴承故障无线监测系统

发布时间：2020-09-07 10:40

　　 滚动轴承是机械设备中最重要的组成部件之一,对机械设备的安全运行提供了保障,因此,滚动轴承的故障监测就显得尤为重要。现有的滚动轴承故障监测系统大多使用有线采集滚动轴承故障信号,存在布线困难,传输距离有限和成本高等问题,而且LabVIEW软件中缺少新信号处理方法-VMD模块。VMD算法在分析处理滚动轴承故障信号时容易发生端点效应,因此需要对其进行改进。针对有线采集存在的问题,设计了无线传感发射和接收模块,采用STM32F103RET6作为主控芯片,利用ADS8344对采集到的信号进行A/D转换,运用RF1100-232无线通信模块传输信号,接收信号经过DAC8531的D/A转换后,传递到DAQ数据采集卡,实现数据的无线采集。针对VMD存在端点效应问题,利用镜像延拓进行抑制。将LabVIEW和MATLAB通过MATLAB Script节点结合起来,实现改进VMD算法在LabVIEW中的应用,弥补LabVIEW缺少VMD模块的缺陷。故障信号经过改进VMD处理后,与SVD融合提取故障特征,通过最近邻实现故障类型分类。所提方法与经过VMD和EMD处理后的分类结果相比,识别效果更优。基于改进VMD的滚动轴承故障无线监测系统对实际信号的诊断表明,该系统能够进行故障信号的无线采集,并对故障信号进行分析处理,而且该系统界面友好,便于搭建,数值处理能力强。
【学位单位】：重庆三峡学院
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TH133.33;TN911.7
【部分图文】：

图 1.2 故障诊断流程图Fig1.2 Flow Chart of Fault Di主要有：上，设计基于改进 VMD滚动轴承数据的无线采集，测系统模块化、智能化、系景、目的和意义，介绍滚动滚动轴承常用故障诊断技术诊断原理，探索滚动轴承故、故障分析及识别方法，其分布和经验模态分解，故障法，为分析后面的滚动轴承

其中滚子轴承又分为圆柱滚子轴承、滚针轴承、圆锥滚子轴承和调心滚子轴承，它们的结构如图2.1 所示[16]。球轴承在径向方向上承受大部分载荷，在轴向方向也承受少量载荷，主要应用于拖拉机、联合收割机、变速箱和减速器上。圆柱滚子轴承在径向方向上所能承受的载荷多，若内外圈都有挡圈，可承受部分轴向载荷，应用在电机、机床和汽车等。滚针轴承径向结构紧凑且承载能力大，适用于液压泵、齿轮箱和纺织设备中。圆锥滚子轴承在径向方向上能承受载荷，在轴向方向也能承受载荷，但主要是来自径向方面的载荷，用于车轴轴箱、滚轮和轧钢机上。调心滚子轴承在径向方向上承担主要载荷，还能承担来自所有轴向方向的载荷主要承受径向载荷，但不可以只承担来自轴向方向的载荷，应用在矿山开采、冶炼金属、海上运输等大型机械。

图 2.3 模糊系统Fig2.3 Fuzzy System模糊规则库是整个模糊理论的分类规则，规则库的大小是由模糊隶属函数确输入参数进行分类要与模糊规则库条件符合。模糊规则库的设计方法是基于以式表示的模糊控制算法。.6.2. 神经网络神经网络是模仿生物神经网络的结构和功能来估计或逼近函数的数学模型或型[24]。神经网络框架的特点是四项：神经元个数、层数、传递函数的训练算法网络问题的目标是通过调整权重矩阵和偏差向量的元素来最小化，调整过程称，根据训练算法更新权值矩阵和偏差向量。目前，神经网络主要通过三点实现运用于软件测试：第一，根据选择的测试数据网络对复试试验数据进行预测分类；第二，神经网络作为一个系统的近似，而正的测试软件实施测试；第三，对生成的测试数据使用神经网络。

【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：2813233