基于多域特征融合的滚动轴承故障诊断研究
【学位单位】:河北工程大学
【学位级别】:硕士
【学位年份】:2018
【中图分类】:TH133.33
【部分图文】:
第 2 章 滚动轴承的故障机理分析床传动系统况下,数控机床进给传动系统主要是由机械传动装置构中,加工工件与刀具的位置关系就是依靠进给传动系统是闭环抑或是开环进给传动系统,其稳定性、灵敏性以到加工工件的质量与精度。机床传动系统分析机床进给传动系统中,支撑丝杠两端的轴承除了承受其向载荷外,主要是承受轴向载荷。本文所研究的轴承支一端固定的方式,具体如图 2-1 所示。
图 2-2 滚动轴承结构示意图Fig.2-2 Schematic diagram of rolling bearing structure 2-2 所示滚动轴承参数表示的意义如下:D 表示轴承节圆的直径,即轴承滚动体中心所在圆的直径;;d 表示滚动体的平均直径;r1 表示轴承内圈滚道的平均半径;r2 表示轴承外圈滚道的平均半径;a 表示接触角。 滚动轴承的故障成因实上,滚动轴承是一个很容易耗损的部件,经常会发生故障并导这其中的原因也有很多,各种各样的原因都会对轴承造成损坏床加工过程中,载荷过大,润滑条件不好及各种液体的腐蚀等在正常的状态下,如果轴承一直处于工作状态也会出现磨损及而发生故障失效[28]。
机床高速运转时,会使轴承自身接触面间隙加大,导致表面被其尤其是在润滑不到位和受力不均时,摩擦产热造成撕裂、粘着等 滚动轴承的主要失效形式控机床滚动轴承的常见失效形式主要包括:疲劳失效、磨损失效腐蚀失效等[29]。疲劳失效于滚动轴承来说,疲劳失效主要指的是接触疲劳。机床滚动轴承外圈的接触表面在长期反复接触应力的作用下,其表面就会以点金属基体分离剥落。剥落尺寸较小的成为点蚀,尺寸变大后就会。疲劳失效现象如图 2-3 所示。
【参考文献】
相关期刊论文 前10条
1 李群燕;幸福堂;桂瞬丰;;基于BP神经网络的机械系统故障诊断[J];安全与环境工程;2015年06期
2 王皓;周峰;;基于小波包和BP神经网络的风机齿轮箱故障诊断[J];噪声与振动控制;2015年02期
3 杨建伟;蔡国强;姚德臣;黄强;李捷;;基于小波包变换和BP网络的铁道车辆滚动轴承故障诊断方法[J];中国铁道科学;2010年06期
4 陈牧野;何亚飞;;基于小波包分析的数控机床主轴滚动轴承故障诊断[J];上海第二工业大学学报;2010年02期
5 卢艳辉,尹泽勇;基于小波包分析方法的航空发动机滚动轴承故障诊断[J];燃气涡轮试验与研究;2005年01期
6 陆爽,曲守平,张晓辉;小波分析在轴承故障诊断中的应用[J];长春大学学报;2000年06期
7 程军圣,于德介;离散余弦变换在滚动轴承故障诊断中的应用[J];振动与冲击;2000年03期
8 常家东;人工神经网络故障诊断及应用[J];矿山机械;1998年08期
9 张中民,卢文祥,杨叔子,张英堂,张培林,郑海起;基于小波系数包络谱的滚动轴承故障诊断[J];振动工程学报;1998年01期
10 谭工;神经网络在轴承故障诊断中的应用[J];模糊系统与数学;1995年03期
相关博士学位论文 前3条
1 曹伟青;机械早期故障弱信号提取及智能诊断研究[D];西南交通大学;2015年
2 王海;制造装备远程监控故障诊断系统研究[D];东北大学;2012年
3 胡峰;数控机床进给系统动态特性辨识与状态监测方法研究[D];华中科技大学;2009年
相关硕士学位论文 前10条
1 杨治飞;滚动轴承的故障特征提取及剩余寿命预测研究[D];山东理工大学;2017年
2 陈同兴;卧式加工中心远程故障诊断系统开发[D];昆明理工大学;2017年
3 管庆磊;小波神经网络在滚动轴承故障诊断中的应用研究[D];河南工业大学;2017年
4 冯春生;基于多源不确定信息融合的数控机床滚动轴承故障诊断方法与实验研究[D];青岛理工大学;2015年
5 王斌;基于小波分析和BP神经网络的滚动轴承故障诊断方法研究[D];兰州交通大学;2014年
6 温国强;基于多信息源的滚动轴承故障诊断方法与实验研究[D];青岛理工大学;2013年
7 刘玉龙;重型卧式车床回转部件装配故障诊断技术研究[D];哈尔滨工业大学;2013年
8 王岩;基于支持向量机的数控机床进给系统滚动轴承故障诊断研究[D];青岛理工大学;2013年
9 林锦州;滚动轴承早期故障信号特征提取方法及应用研究[D];天津大学;2012年
10 张磊;数控机床故障监测与诊断系统的研究[D];山东大学;2012年
本文编号:2813990
本文链接:https://www.wllwen.com/jixiegongchenglunwen/2813990.html