当前位置:主页 > 科技论文 > 机电工程论文 >

基于多域特征融合的滚动轴承故障诊断研究

发布时间:2020-09-08 09:14
   滚动轴承是数控机床中支撑回转零件的关键部件。轴承一旦发生故障会严重影响机床的正常工作,情况严重时还可能造成重大安全事故。有数据显示,目前数控设备中百分之三十的故障是由于轴承故障引起的。因此,开展数控机床滚动轴承的故障诊断研究,监测机床轴承的运行状态,具有重要的经济和实用意义。传统的滚动轴承故障诊断方法通常只是从振动信号的时域特征出发,抑或单纯地从频域角度进行诊断研究,这样难以全面反映故障信号的特征。此外,故障特征与故障模式之间并非简单的线性关系。因而,依靠单域特征方法或经验是不能很好地解决滚动轴承故障诊断问题的。本课题全面系统地研究分析滚动轴承的振动信号特征以及故障机理;应用小波包技术对轴承振动信号进行降噪处理;全面分析信号的时域与频域特征,综合选取时、频两域适当部分无量纲参数作为故障诊断特征参数,从而有效且全面地体现出故障特征,为故障的准确诊断奠定基础。利用神经网络的自学习、自适应以及强大的非线性能力,对轴承故障模式进行识别。以某企业型号为LGMazak VTC-16A的立式加工中心传动系统中的HS71909-C-T-P4S角接触球轴承为研究对象,根据轴承故障特征参数和故障类型特点,设计并建立相应BP神经网络模型。选用北京航天智控监测技术研究院生产的AIC9000多功能转子系统实验台,采集实验数据并构造网络模型的训练样本。利用MATLAB软件平台对网络模型进行训练、测试,验证本文故障诊断方法的可行性及有效性。分析实验研究结果表明:本文所构建的滚动轴承故障诊断方法效果良好,能有效地识别出轴承的故障类型。
【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】:

丝杠副,轴承,进给传动系统,加工工件


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。

滚动轴承,结构示意图


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]。

疲劳失效,现象


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

资料下载
论文发表

本文链接:https://www.wllwen.com/jixiegongchenglunwen/2813990.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户3cf4a***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com