面向电机轴承的快速故障诊断方法研究

发布时间：2017-04-02 02:00

  本文关键词：面向电机轴承的快速故障诊断方法研究，由笔耕文化传播整理发布。

【摘要】：工业现场对使用的电机轴承往往提出苛刻的要求,必须减少停机时间、尽可能长时间的运转。因此,对于电机的维护工作是十分重要的,尤其是一些重要的系统和设备部位。近些年来,轴承故障诊断得到了长足发展,领域内出现了许多新的研究方法。信号分析法,如傅立叶变换和小波变换已经被广泛应用,但是有些方法往往仅擅长于线性、平稳的信号的分析。事实上,它们并不都能很好的适应非线性、非平稳的轴承振动信号。本文开篇即简述了研究对象和方法,并综述了国内外故障诊断领域的发展历程以及研究现状。本文的首要目标就是为了要检测并且区分不同类型的故障,得到一种针对电机轴承故障的集合型诊断方法。这一诊断系统还要可以同步记录数据,并且依据这一数据给出正确的诊断结果。经验模态分解具备很强的非平稳信号分解能力,可以将信号分解成一系列频率自高到低的各成分;使用固定点迭代算法对于信号特征提取能力较强,适用于非高斯的电机轴承的振动信号。增量概率神经网络使用在线的增量法对概率神经网络进行优化,对参数进行训练,并具有较强的分类能力。综合考量各方法的特点,提出了基于EMD-FICA-IPNN的电机轴承集合型故障诊断方法,通过凯斯西储大学的轴承数据进行了故障诊断实验。结果表明改进的方法对轴承信号有较好的精确性、适应性、快速性。实验平台的建设分软件和硬件两部分。硬件部分采用了多功能数据采集板卡PCI-1710HG和加速度传感器LC0159等设备、器材。此外,基于Lab VIEW软件平台还制作了相应的实验数据采集以及故障诊断软件。根据实验验证,集合型方法比传统的神经网络要具备更好的适应性、准确性以及快速性。
【关键词】：电机轴承 故障诊断 经验模态分解 快速独立分量分析 增量概率神经网络
【学位授予单位】：沈阳理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH165.3
【目录】：

• 摘要6-7
• Abstract7-12
• 第1章 绪论12-23
• 1.1 研究背景及意义12-13
• 1.2 国内外轴承故障诊断技术现状13-21
• 1.2.1 经典的故障检测法14-15
• 1.2.2 应用小波变换的故障诊断法15
• 1.2.3 使用人工智能技术的故障诊断法15-20
• 1.2.4 数值和实验技术20
• 1.2.5 轴承故障诊断技术20-21
• 1.3 本文章节安排21-23
• 第2章 电机轴承故障成因及其振动分析23-27
• 2.1 引言23-24
• 2.2 轴承主要失效原因及振动机理24
• 2.3 轴承基本特征频率24-26
• 2.4 本章小结26-27
• 第3章 基于经验模态分解频谱分析的研究27-35
• 3.1 引言27
• 3.2 经验模态分解算法27-29
• 3.2.1 瞬时频率的概念27-28
• 3.2.2 经验模态分解步骤28-29
• 3.3 仿真信号的实例研究29-34
• 3.4 本章小结34-35
• 第4章 基于盲信号技术的电机轴承振动信号特征提取研究35-49
• 4.1 引言35-36
• 4.2 源变量的独立统计36-37
• 4.3 变量的非高斯性37-39
• 4.4 独立分量分析的定义39-41
• 4.4.1 执行独立分量分析的条件39
• 4.4.2 无噪声ICA模型39-40
• 4.4.3 参数估计40-41
• 4.4.4 有噪声ICA模型41
• 4.4.5 独立分量分析41
• 4.5 独立分量分析的预处理41-43
• 4.5.1 中心的确定41-42
• 4.5.2 白化42-43
• 4.6 快速独立分量分析43-47
• 4.6.1 拉格朗日-乘数法43
• 4.6.2 牛顿-拉普森法43-44
• 4.6.3 负熵近似派生出的快速独立分量分析44-47
• 4.7 快速独立分量数据分析实验研究47-48
• 4.8 本章小结48-49
• 第5章 改进的FICA-IPNN故障诊断方法研究49-63
• 5.1 引言49
• 5.2 神经网络分析法49-57
• 5.2.1 反向传播网络分析法51-52
• 5.2.2 径向基函数神经网络分析法52-55
• 5.2.3 概率神经网络分析法55-57
• 5.3 增量概率神经网络分析法57-59
• 5.3.1 增量概率神经网络原理57-58
• 5.3.2 增量概率神经网络训练步骤58-59
• 5.4 FICA-IPNN实例研究59-62
• 5.5 本章小结62-63
• 第6章 实验研究与实验平台建设63-77
• 6.1 电机轴承故障集合型方法实验研究63-66
• 6.2 电机轴承故障诊断系统实验平台建设66
• 6.3 实验平台硬件框架66-72
• 6.3.1 电机运行控制平台搭建67-69
• 6.3.2 电机轴承振动信号检测系统69-72
• 6.4 实验平台软件框架72-76
• 6.4.1LabVIEW软件平台72
• 6.4.2 电机轴承振动信号诊断系统72-76
• 6.5 本章小结76-77
• 结论77-79
• 参考文献79-86
• 攻读硕士学位期间发表的论文和取得的研究成果86-87
• 致谢87-88

【参考文献】

中国期刊全文数据库 前3条

1 向家伟;陈雪峰;何正嘉;;基于小波有限元和遗传优化算法的转轴裂纹诊断[J];机械强度;2008年05期

2 薛寒;谢利理;叶留义;;基于模糊推理的电机故障诊断专家系统研究[J];计算机测量与控制;2010年01期

3 郭磊;陈进;朱义;肖文斌;;小波支持向量机在滚动轴承故障诊断中的应用[J];上海交通大学学报;2009年04期

  本文关键词：面向电机轴承的快速故障诊断方法研究，，由笔耕文化传播整理发布。

本文编号：281653