基于变分模态分解的滚动轴承故障诊断系统研究

发布时间：2020-11-02 14:33

　　 滚动轴承作为旋转机械的核心部件,一旦出现异常将影响设备的正常工作,因此,研究滚动轴承故障诊断方法对于保障机械设备的安全性和可靠性具有重要意义。本文以滚动轴承为研究对象,针对滚动轴承振动信号的特征提取和故障模式分类的问题,进行了一系列的研究工作。主要内容如下:首先,在理论分析和工程应用的基础上,系统阐述了此课题的研究背景及实际意义,对滚动轴承的结构、振动机理、诊断方法,以及滚动轴承故障诊断的研究现状与发展趋势作了较为全面的阐述。其次,为了克服经验模态分解方法中模态混叠和过分解等缺陷,在综述传统信号处理技术和现代信号处理技术的基础上,介绍了变分模态分解方法,并通过仿真对比分析,证明VMD算法能很好的完成频率分离,在抑制模态混叠以及抗干扰方面的性能优于EMD方法。再次,本文以混沌思想替代粒子群算法原有的以随机方式产生初始种群的方法,并将混沌粒子群优化算法用于支持向量机中,以替代传统支持向量机利用网格寻优初始化参数的方法。利用VMD多尺度熵均偏值作为特征参数,输入到分类网络中进行分类测试,分类结果表明该方法在滚动轴承故障模式分类方面的有效性。最后,本文利用Lab VIEW软件开发了一套滚动轴承故障诊断系统,集数据的采集存储、特征提取与故障分类功能为一体,该平台提供良好的人机交互界面,通过实验证明该系统具有实用价值。
【学位单位】：东北石油大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TH133.33
【部分图文】：

图 1.1 轴承的基本结构外圈、2 表示滚动体、3 表示内圈、4 表示载，可以通俗地表述为支撑作用[26]；在机械的内圈，当传动轴进行转动时，内圈则会跟载，绝大多数都作用在轴承的滚动体上，滚过在相对运动表面之间产生滚动摩擦，从而动体能均匀分布，因此需要加装保持架元件动体进行固定，以防其滑落。通过对轴承个滚动轴承中最重要的元件，对轴承的使用失效形式期处于高负载，复杂恶劣的工作环境，不可形式归纳如下[27]：运转，则要求其具备足够好的润滑条件，其件若不能够得到足够的保障，比如润滑油润

东北石油大学工程硕士专业学位论文行采集的，图 1.2 则为该实验平台。该故障模拟实验平台主要部件有、轴承底座、调速器、以及偏转转盘等。模拟实验平台通过更换轴承模拟滚动体裂纹故障、内圈裂纹故障、外圈裂纹故障。振动数据通过采集，得到的数据用于分析诊断滚动轴承的不同工作状态。

本文具体特征提取的具体步骤为：1．利用 VMD 算法对原始信号 x ( t )进行分解，得到若干 IMF 分量 cti；2．求取每个 IMF 分量与原始信号的互相关系数，选取互相关系数最大的几个 IMF分量 cti；3．再将 IMF 分量 cti分为s个尺度，并进行粗粒化；4．按照式(3.6)计算每个尺度的样本熵；5．将步骤 3 求得的s个样本熵带入公式(3.11)计算该 IMF 分量 cti的多尺度熵均偏值；6．将所有 IMF 分量 cti的多尺度熵均偏值作为目标信号 x (t )的特征参数。3.4 实际轴承信号的特征提取研究本文采用的是圆柱滚子轴承N205，具体参数如表3-1：实验数据来自QPZZ-II旋转机械振动分析及故障诊断试验平台，具体参数如下：采样率为10kHz ，采集数据样本长度为8192点，电机转速为1200 r /min。本文利用该实验平台采集四种状态下的特征信号各80组。
【参考文献】

相关期刊论文 前10条

1 李莉;朱永利;宋亚奇;;多尺度熵在变压器振动信号特征提取中的应用[J];振动.测试与诊断;2015年04期

2 刘长良;武英杰;甄成刚;;基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J];中国电机工程学报;2015年13期

3 武英杰;刘长良;范德功;;基于自适应高频谐波LMD法的风电机组故障诊断[J];动力工程学报;2014年12期

4 苟竞;刘俊勇;魏震波;Gareth Taylor;刘友波;;基于多尺度熵的电力能量流复杂性分析[J];物理学报;2014年20期

5 王金东;代梅;夏法锋;赵海峰;;基于EMD信息熵和支持向量机的往复压缩机轴承故障诊断[J];流体机械;2014年07期

6 向丹;;基于LabVIEW的滚动轴承故障诊断系统的开发[J];矿山机械;2013年10期

7 郑近德;程军圣;胡思宇;;多尺度熵在转子故障诊断中的应用[J];振动.测试与诊断;2013年02期

8 张淑清;孙国秀;李亮;李新新;监雄;;基于LMD近似熵和FCM聚类的机械故障诊断研究[J];仪器仪表学报;2013年03期

9 王歆媛;汪丰;;基于EEG复杂度和近似熵的睡眠自动分期[J];软件;2013年02期

10 王国彪;何正嘉;陈雪峰;赖一楠;;机械故障诊断基础研究“何去何从”[J];机械工程学报;2013年01期

相关博士学位论文 前5条

1 李振东;高速重载轴承长寿命薄膜的低温制备与性能研究[D];中国农业机械化科学研究院;2017年

2 王婷;EMD算法研究及其在信号去噪中的应用[D];哈尔滨工程大学;2010年

3 王衍学;机械故障监测诊断的若干新方法及其应用研究[D];西安交通大学;2009年

4 胡爱军;Hilbert-Huang变换在旋转机械振动信号分析中的应用研究[D];华北电力大学（河北）;2008年

5 唐发明;基于统计学习理论的支持向量机算法研究[D];华中科技大学;2005年

相关硕士学位论文 前6条

1 黄阳;基于经验模态分解的轴承故障诊断系统研究[D];东北石油大学;2016年

2 李子茜;基于时频分析的管道泄漏信号故障诊断研究[D];东北石油大学;2016年

3 张雷;基于粒子群算法的神经网络故障诊断方法研究[D];华南理工大学;2016年

4 王亚超;基于局部均值分解的旋转机械故障诊断技术研究[D];燕山大学;2015年

5 马秀峰;微混合器混合效果的研究[D];东北大学;2011年

6 姜锐红;基于循环平稳的滚动轴承早期故障诊断应用研究[D];桂林电子科技大学;2009年

本文编号：2867169