基于MCKD与自相关分析的滚动轴承故障诊断方法研究

发布时间：2020-11-04 21:36

　　 滚动轴承作为一种应用最广泛的通用部件,其运行状态是对整台机器的性能产生直接影响。因此,滚动轴承的状态监测工作和故障诊断工作对于整机健康状况来说具有重要的现实意义和经济价值。本研究中从滚动轴承结构分析入手,对滚动轴承故障产生的主要原因、故障主要形式以及故障诊断技术的主要手段作了详细探究,通过分析滚动轴承故障诊断过程中轴承振动信号的特点,在已有研究的基础上进一步提出了更加有效的故障诊断方法并作了详细的分析研究。本文中的主要内容如下:1.分析了滚动轴承的结构特点、故障产生的主要形式。指出了滚动轴承各元件的主要作用,提出在滚动轴承故障诊断过程中必须要掌握滚动轴承各种故障形式,逐一排除才能得到较准确的故障诊断结论。2.从算法流程的角度,对MCKD算法以及相关知识点作了详细描述并对MCKD在故障诊断过程中的主要实现过程作了简要分析。指出了MCKD的本质就是一种以相关峭度最大化为优化目标的解卷积算法,通过不断的迭代计算得到最优滤波器并由此达到对故障信号解卷积的目的。通过对算法原理和实现流程的分析,总结了MCKD在滚动轴承故障诊断方面具有计算简单、能够强化冲击特征、提高故障信号信噪比等优势,同时也指出了MCKD算法在处理信号过程中并不完善,需要对其作进一步的改进。3.研究了自相关分析在处理含噪信号过程中的特点和优势,并进一步提出了AC-MCKD算法,并利用该方法对仿真信号和试验信号进行了分析研究。通过对比有偏估计方法和无偏估计方法在处理含噪信号时的表现,得出了有偏自相关分析更加适合于在强噪声中去噪的结论。通过本文提出的AC-MCKD与MCKD在仿真信号和试验信号处理中的对比分析,证明了AC-MCKD的有效性和准确性。
【学位单位】：华北电力大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TH133.33
【部分图文】：

达到预防事故发生的目的[3]。在机械运转时，当传动轴以一定速度和载荷运转的过程中不仅会对轴承和轴承座或外壳组成的振动系统产生激振，同时，由于滚动轴承本身的结构特点、加工装配误差和运行过程中出现的相关故障，以及在传动轴上由于其他零部件的运动和作用力的作用等外部因素，会使得该系统振动[4]。滚动轴承尺寸不同、故障源不同、传动轴运转速度不同以及滚动轴承所在系统环境不同，其产生的振动信号会大不相同，换言之，不同的振动信号中反映了滚动轴承特有的信息。另外值得注意的是，滚动轴承故障发生时产生的振动信号与非故障因素产生的振动信号之间最大区别在于振动信号中是否包含连续的周期性冲击成分。随着轴承内圈的不断转动，滚动体在沿着滚道绕内圈不断旋转的同时也会与外圈内侧发生接触，当轴承外圈发生故障，滚动体每经过一次故障点都会有突变冲击力的产生。然而在实际信号采集过程中，冲击成分往往淹没在非故障振动信号中，尤其是在轴承故障早期阶段更是如此，这对振动诊断技术提出了更高的要求。能否能够利用振动信号采集设备准确获取故障信号，并利用信号处理设备和信号处理方法提取振动信号中的冲击成分并完成机械设备的状态监测及故障诊断是滚动轴承振动诊断的核心任务。

图 2-1 滚动轴承实物图故障的主要形式析可知，滚动轴承故障产生的主要与轴承外圈、有关。通常情况下，滚动轴承故障可以分为磨损和由于轴承异物落入以及润滑不良造成的滚动体与类故障主要是由于内圈、外圈以及滚动体金属表面因造成的。除此之外，偶然的外部因素干扰也能引滚动轴承自身的构造特点也会引起其振动[35]。总在内部干扰因素(如传动轴的结构、尺寸制造误差因素(如传动轴上各个零件之间受到力的作用及其振动激励响应[36]。由于损伤产生的故障信号也是承中存在元件工作表面损伤的情况，那么在力的作脉冲类信号。由此产生的脉冲信号具有足够的频带

华北电力大学硕士学位论文结合律：1 2 1 2f (t )* h (t )* h (t ) f (t )*[ h (t )* h (t )] f (t )* h( t )t)=h1(t)*h2(t)。：当子系统存在串联关系时，总系统的冲击响应为子系统冲击号处理领域中，卷积有着更加明确的物理意义(如图 3-1 所示不变系统来说，卷积准确表达了时域输入 x(t)、系统冲击响 y(t)之间的响应关系：y (t ) x (t )* h( t )冲击响应 h(t)通常是由一系列存在串联关系的子系统响应构CKD 原理实现部分会讲到)。
【参考文献】

相关期刊论文 前10条

1 柏林;陆超;赵鑫;;基于ITD与ICA的滚动轴承故障特征提取方法[J];振动与冲击;2015年14期

2 唐贵基;王晓龙;;基于包络谱稀疏度和最大相关峭度解卷积的滚动轴承早期故障诊断方法[J];中国机械工程;2015年11期

3 陆森林;王龙;;CEEMD-FFT在滚动轴承故障诊断中的应用[J];郑州大学学报(工学版);2015年01期

4 唐贵基;王晓龙;;自适应最大相关峭度解卷积方法及其在轴承早期故障诊断中的应用[J];中国电机工程学报;2015年06期

5 何凤英;赵奇志;;振动诊断技术在齿轮箱故障诊断中的应用[J];矿业工程;2014年05期

6 郑近德;程军圣;;改进的希尔伯特-黄变换及其在滚动轴承故障诊断中的应用[J];机械工程学报;2015年01期

7 程军圣;马兴伟;杨宇;;基于排列熵和VPMCD的滚动轴承故障诊断方法[J];振动与冲击;2014年11期

8 武兵;贾峰;熊晓燕;;基于最大相关峭度反褶积的轴承故障诊断方法[J];振动.测试与诊断;2014年03期

9 马伦;康建设;孟妍;吕雷;;基于Morlet小波变换的滚动轴承早期故障特征提取研究[J];仪器仪表学报;2013年04期

10 胡荣华;楼佩煌;唐敦兵;刘明灯;;基于EMD和免疫参数自适应SVM的滚动轴承故障诊断[J];计算机集成制造系统;2013年02期

相关博士学位论文 前1条

1 苏文胜;滚动轴承振动信号处理及特征提取方法研究[D];大连理工大学;2010年

相关硕士学位论文 前7条

1 李亚超;基于VMD的滚动轴承故障诊断方法研究[D];石家庄铁道大学;2016年

2 杨晨;基于振动信号分析法的滚动轴承故障诊断研究[D];兰州理工大学;2014年

3 于婷婷;基于BP神经网络的滚动轴承故障诊断方法[D];大连理工大学;2008年

4 张新明;声发射技术在滚动轴承故障诊断中的应用[D];清华大学;2006年

5 夏瑞花;基于时间序列分析的滚动轴承的故障诊断[D];新疆大学;2006年

6 姜小荧;基于小波分析的滚动轴承故障诊断方法的研究及应用[D];大连理工大学;2005年

7 崔宝珍;基于小波分析的滚动轴承故障诊断方法研究与应用[D];中北大学;2005年

本文编号：2870636