基于分形几何的滚动轴承故障诊断方法研究
发布时间：2020-09-12 20:21
滚动轴承在机械设备中被广泛使用,起着重要的作用,它的运行状态是设备正常运转的关键。滚动轴承结构开放,工作环境和受力状况较为恶劣,据统计旋转机械的故障的70%都与滚动轴承有关。因此,滚动轴承的故障诊断一直都是研究的热点,寻找更新、更有效的故障诊断方法对降低机械设备的故障率有着重要意义。在滚动轴承故障诊断方法中最为广泛使用的是基于傅里叶变换技术的时域线性分析法。这种方法可很好地处理线性和平稳信号,但不能很好地适用于非线性和非稳定性信号的处理和故障特征提取,而滚动轴承的振动信号是非线性的复杂信号,因此论文从非线性分析方法入手,对滚动轴承的振动信号进行分析并提取故障信号特征,为非线性、非稳定性故障的诊断方法研究提供参考。论文针对滚动轴承振动信号不但存在分形特征,而且在不同的工作状态下其振动信号的分形特征不同这一关键点,进行一系列基于分形几何的滚动轴承故障诊断方法研究。滚动轴承故障诊断的关键技术是对振动信号中故障特征的提取,因此论文利用分形维数去描述和提取故障特征,并在此基础上开展基于单一分形的滚动轴承故障诊断、基于分形维数和EMD的滚动轴承故障诊断和基于多重分形的滚动轴承故障诊断三种方法的研究,用多种机器学习模型进行实验验证。论文首先运用单一分形方法对滚动轴承信号进行故障特征提取,经实验验证,诊断准确率在75%左右。经分析研究,噪声等可能是影响诊断准确率的因素,单一分形无法很好地处理这类问题。因此,论文提出了基于盒维数法和EMD算法的滚动轴承故障诊断方法,经实验验证并对验证结果对比分析发现:其中SVM和ELM两种模型效果较好,诊断准确率分别达到88.9%和93.1%。针对单一分形存在着不能完整刻画信号特征的缺陷,论文又引入基于多重分形的MF-DFA算法的滚动轴承故障诊断方法,经实验验证,诊断准确率可达94.4%。研究结果表明:分形几何可以有效地用于非线性、非稳定性信号的滚动轴承的故障诊断。
【学位单位】：北京邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TH133.33
【部分图文】：
ＫＷ的电动机、一个扭矩传感器／译码器和一个功率测试计，还有电子控没有）。待测轴承支撑电机转子。风机端和驱动端的轴承采用的是不同承，其分别ＳＫＦ６２０３和ＳＫＦ６２０５两种型号的轴承。风扇端轴承的故障为１２千赫，驱动端轴承的故障采样频率为１２千赫和４８千赫。轴承的ｍ的单点损坏。损伤直径分为０．１７７８毫米、０．３５５６毫米、０．５３３４毫米。逡逑米，１．０１６毫米五种。ＳＫＦ轴承用于检测直径为０．１７７８邋ｍｍ、０．３５５６邋＿３４邋ｍｍ的损伤，ＮＴＮ轴承用于检测直径为０．７１１２邋ｍｍ和１．０１６邋ｍｍ的滚道的故障是固定的，因此轴承区域的故障直接影响电机／轴承系统的。为了对试验结果进行量化，分别在轴承区的三个刻度（直接）、轴承刻度（与轴承区成９０度）和外圈故障的十二个刻度上进行了相应的试验。逡逑的故障轴承重新装入试验电机，并分别在０、１、２、３马力电机负载录振动加速信号数据。利用该实验平台，获得了邋８个正常试样、５３个样、２３个内环损伤试样和１１个滚动体损伤试样。每个样本的振动信００００上以上，数据量足够应用到滚动轴承的故障诊断中去，对于如此，需要进行挑选合适的实验数据，为进行论文中后续研宄工作中做好准备电动机邋扭转传感器／译码器逦示功器逡逑
直径大小为０．０７英寸（０．１７７８ｍｍ）故障位置分别为轴承内圈，轴承外圈，轴承逡逑滚动体以及正常状态下驱动端振动加速度信号，每个种类数据量为１２００００。从逡逑图３－２邋（滚动轴承振动信号图）可以看出在密集情况下，图的走势等特征区别不逡逑太明显，从图３－２邋（坐标采样点数－振幅）可以看出的幅值大小有区别，同时选取逡逑的部分细节上的数据进行绘图后可以看到明显的波形区别，从图中可以得到滚动逡逑轴承的故障诊断信号是具有分形特征的，而且不同的状态分形特征也不相同，初逡逑步可以判定运用分形维数法对滚动轴承进行故障类型的诊断是可行的。逡逑。：ｉＨＭＨＭＨＩｌｉ逡逑０邋ｍｏｍ邋ｍｍｏ邋ｍｍｍ邋ｍｏｍ邋ｍｍｏ邋１２００００逡逑０逦ｍｏ邋ｍｏ邋ｍｍ逡逑ａ轴承内圈故障逡逑：［ｐｐｒ一『Ｖ＇：逡逑ｄ邋ｍｏｍ邋ｍｏｏｏ邋ｍｏｏｏ邋ｓｏｏｏｏ邋１０００００逦１２００００逡逑ｔｆｆｆ’逡逑◎逦ｍｏ邋６００邋８Ｄ0邋１０００逡逑ｂ轴承外圈故障逡逑１８逡逑
基于分形维数对滚动轴承进行故障诊断主要的数据特征提取方法是利用分逡逑形维数的盒维数计算方法对滚动轴承振动信号特征进行刻画提取，并在研究中进逡逑行改进。本章的研究流程如图４－１，逡逑Ｃ^u始）逡逑＞ｒ逦逡逑信号邋—逦逦逡逑方法１逡逑逦ｉ逦逦ｉ逡逑盒维数法ｆｔ证提取＜逦ＥＭＤ分解信号逡逑逦逦逡逑逦Ｘ逦逡逑机器碰逡逑逦逦＾逦结果不够^箦义希辏翦义辖峁忮义希郏蓿卞义辖崾义贤迹矗毖芯苛鞒掏煎义希矗被诖糠中挝墓龆岢泄收险锒襄义显谥暗睦砺垩爸泻褪莘治鲋螅⑾止龆岢械恼穸铀俣刃藕旁诓诲义贤墓收献刺碌男藕挪ǘ南钢陆峁共灰谎捶中挝遣煌模庇捎诓慑义霞墓龆岢姓穸藕攀抢肷⒌牡愣杂诠收险锒系脑げ馐遣焕摹Ｒ虼瞬捎冒颜皴义希玻冲义
本文编号：2817878
【学位单位】：北京邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TH133.33
【部分图文】：
ＫＷ的电动机、一个扭矩传感器／译码器和一个功率测试计，还有电子控没有）。待测轴承支撑电机转子。风机端和驱动端的轴承采用的是不同承，其分别ＳＫＦ６２０３和ＳＫＦ６２０５两种型号的轴承。风扇端轴承的故障为１２千赫，驱动端轴承的故障采样频率为１２千赫和４８千赫。轴承的ｍ的单点损坏。损伤直径分为０．１７７８毫米、０．３５５６毫米、０．５３３４毫米。逡逑米，１．０１６毫米五种。ＳＫＦ轴承用于检测直径为０．１７７８邋ｍｍ、０．３５５６邋＿３４邋ｍｍ的损伤，ＮＴＮ轴承用于检测直径为０．７１１２邋ｍｍ和１．０１６邋ｍｍ的滚道的故障是固定的，因此轴承区域的故障直接影响电机／轴承系统的。为了对试验结果进行量化，分别在轴承区的三个刻度（直接）、轴承刻度（与轴承区成９０度）和外圈故障的十二个刻度上进行了相应的试验。逡逑的故障轴承重新装入试验电机，并分别在０、１、２、３马力电机负载录振动加速信号数据。利用该实验平台，获得了邋８个正常试样、５３个样、２３个内环损伤试样和１１个滚动体损伤试样。每个样本的振动信００００上以上，数据量足够应用到滚动轴承的故障诊断中去，对于如此，需要进行挑选合适的实验数据，为进行论文中后续研宄工作中做好准备电动机邋扭转传感器／译码器逦示功器逡逑
直径大小为０．０７英寸（０．１７７８ｍｍ）故障位置分别为轴承内圈，轴承外圈，轴承逡逑滚动体以及正常状态下驱动端振动加速度信号，每个种类数据量为１２００００。从逡逑图３－２邋（滚动轴承振动信号图）可以看出在密集情况下，图的走势等特征区别不逡逑太明显，从图３－２邋（坐标采样点数－振幅）可以看出的幅值大小有区别，同时选取逡逑的部分细节上的数据进行绘图后可以看到明显的波形区别，从图中可以得到滚动逡逑轴承的故障诊断信号是具有分形特征的，而且不同的状态分形特征也不相同，初逡逑步可以判定运用分形维数法对滚动轴承进行故障类型的诊断是可行的。逡逑。：ｉＨＭＨＭＨＩｌｉ逡逑０邋ｍｏｍ邋ｍｍｏ邋ｍｍｍ邋ｍｏｍ邋ｍｍｏ邋１２００００逡逑０逦ｍｏ邋ｍｏ邋ｍｍ逡逑ａ轴承内圈故障逡逑：［ｐｐｒ一『Ｖ＇：逡逑ｄ邋ｍｏｍ邋ｍｏｏｏ邋ｍｏｏｏ邋ｓｏｏｏｏ邋１０００００逦１２００００逡逑ｔｆｆｆ’逡逑◎逦ｍｏ邋６００邋８Ｄ0邋１０００逡逑ｂ轴承外圈故障逡逑１８逡逑
基于分形维数对滚动轴承进行故障诊断主要的数据特征提取方法是利用分逡逑形维数的盒维数计算方法对滚动轴承振动信号特征进行刻画提取，并在研究中进逡逑行改进。本章的研究流程如图４－１，逡逑Ｃ^u始）逡逑＞ｒ逦逡逑信号邋—逦逦逡逑方法１逡逑逦ｉ逦逦ｉ逡逑盒维数法ｆｔ证提取＜逦ＥＭＤ分解信号逡逑逦逦逡逑逦Ｘ逦逡逑机器碰逡逑逦逦＾逦结果不够^箦义希辏翦义辖峁忮义希郏蓿卞义辖崾义贤迹矗毖芯苛鞒掏煎义希矗被诖糠中挝墓龆岢泄收险锒襄义显谥暗睦砺垩爸泻褪莘治鲋螅⑾止龆岢械恼穸铀俣刃藕旁诓诲义贤墓收献刺碌男藕挪ǘ南钢陆峁共灰谎捶中挝遣煌模庇捎诓慑义霞墓龆岢姓穸藕攀抢肷⒌牡愣杂诠收险锒系脑げ馐遣焕摹Ｒ虼瞬捎冒颜皴义希玻冲义
本文编号：2817878
本文链接：https://www.wllwen.com/jixiegongchenglunwen/2817878.html
