滚动轴承的故障监测与状态管理系统研究

发布时间：2020-11-22 11:35

　　 随着数据分析和工业物联网技术的快速发展,基于数据驱动与物理系统模型相结合的设备故障预测与健康管理技术(PHM)受到青睐。可使设备由视情维修向状态监测和健康管理的转变,具有故障诊断与剩余寿命预测的能力。但目前滚动轴承的PHM系统大多仅依据大量状态数据进行分析,通过加强算法来提高健康管理能力,但却忽视了与轴承本身服役性能和失效机理的有机融合。因此,本文通过强化物理系统与数据驱动方法的结合,构建面向智能制造的PHM系统。首先,设计了滚动轴承PHM系统的功能体系,此系统可用于滚动轴承服役全寿命周期,具备初始阶段无历史数据情况下基于轴承物理模型的系统状态判断、服役过程中基于已有数据分析和轴承物理模型结合的实时状态管理、服役中后期基于状态分析和寿命发展模型的剩余寿命预测三大功能。通过输入轴承基本参数及工况参数可以对轴承进行温度求解、拟动力学计算以及故障特征频率求解,将分析结果与实时监测信号对比分析可进行轴承服役初期的状态判定;建立了基于滚动轴承的失效形式和故障症状的故障树,当轴承状态监测信号出现异常时,可根据故障树对轴承进行初步故障分析,并根据故障诊断知识库查找故障原因和改善措施。然后,根据润滑状态定义了轴承单点失效模型,界定了疲劳失效与磨损失效边界;根据疲劳发展模型与磨损发展模型,计算了疲劳裂纹和磨损量随时间的变化关系,并模拟了疲劳缺陷与磨损缺陷的振动特征响应。最后,通过粒子滤波方法,分别将疲劳发展模型和磨损发展模型与振动特征值结合建立状态空间模型,并通过BP神经网络建立了滚动轴承组合退化模型,综合以上模型,搭建了滚动轴承PHM系统的剩余寿命预测模块;结合网络已有的轴承全寿命振动数据进行了预处理和特征提取,并根据Fisher准则选择出了最优特征值;对轴承进行了疲劳退化分析、磨损退化分析和组合退化分析;基于C#语言与Matlab语言混编搭建了滚动轴承PHM平台,实现了滚动轴承的故障监测与状态管理。
【学位单位】：哈尔滨工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TH133.33
【部分图文】：

寿命预测的能力。一般来说，机械装备在使用过程中会由正常状态转为直至功能失效，图 1-1 为机械设备的健康状态退化曲线，当设备性能开，距离功能失效仍有部分使用时间。若是在机械设备性能退化时能感知并预测剩余有效时间，便能针对性的进行系统决策，在使设备的使用时的同时，降低了维修费用，极大的提高了安全保障能力和生产效率。

1.2.1 滚动轴承 PHM 流程滚动轴承的健康管理包括对原始数据预处理、特征值选择与提取、故障模式识别、性能退化评估、性能趋势预测和提供维修决策等步骤[2]，PHM 基本流程和常用方法如图 1-2 所示。

轴承温升的残差均值
【相似文献】

相关期刊论文 前10条

1 杨永锋;王鹏飞;;轴承内圈开裂分析[J];热处理;2017年02期

2 杨春东;拆除坏轴承内圈的方法[J];中国棉花加工;1998年02期

3 席华林;巧拆风机轴上的坏轴承内圈[J];中国棉花加工;1997年05期

4 郭穗明;;温差对烘缸轴承的影响[J];纸和造纸;1987年03期

5 肖永清;;汽车滚动轴承的维修[J];汽车工艺;1987年05期

6 K.P.BALAN;吴锁春;;传动轴的失效分析[J];国外金属热处理;1987年06期

7 周龙声;;机修工艺讲座 第十讲 滚动轴承的装配与调整[J];机械工人.冷加工;1987年12期

8 侯焱;;7518轴承的拆卸方法[J];现代化农业;1988年09期

9 赵展堂;53000型轴承内圈滚道仿形车削[J];轴承;1988年04期

10 尹雪晨;内燃机可以使用滚动轴承吗[J];车用发动机;1988年02期

相关博士学位论文 前7条

1 徐波;基于机器学习的旋转机械故障诊断方法的研究[D];武汉科技大学;2019年

2 陆爽;基于现代信号分析和神经网络的滚动轴承智能诊断技术研究[D];吉林大学;2004年

3 陈锦江;轴承数字化设计及其在高速陶瓷球轴承结构设计中的应用[D];天津大学;2004年

4 于永澔;轴承部件等离子体浸没离子注入批量改性均匀性研究[D];哈尔滨工业大学;2007年

5 陈伟;邮政旋转设备系统故障诊断方法研究[D];北京邮电大学;2016年

6 汪凯;涡轮钻具滚动轴承故障诊断系统的研究[D];西南石油大学;2016年

7 王晓龙;基于振动信号处理的滚动轴承故障诊断方法研究[D];华北电力大学(北京);2017年

相关硕士学位论文 前10条

1 胡琦;基于六西格玛的G公司变速箱一轴轴承质量改善研究[D];南昌大学;2019年

2 梁竞之;滚动轴承的故障监测与状态管理系统研究[D];哈尔滨工业大学;2019年

3 邵啟鹏;柔性薄壁轴承故障特征提取和诊断的深度学习网络模型研究[D];华南理工大学;2019年

4 严波;基于时栅传感技术的带位置检测功能轴承研究[D];重庆理工大学;2019年

5 李攀;轴承内圈内径尺寸及形位精度检测装置的研究[D];郑州大学;2019年

6 姜姗;电机智能轴承在线监测系统及故障预警技术研究[D];哈尔滨理工大学;2019年

7 张安安;基于CNN图像分类的轴承多状态识别[D];中北大学;2019年

8 余超;铁路货车轴承清洗设备改进设计及清洗工艺参数优化[D];上海交通大学;2017年

9 周廪;大通道可钻轴承的设计与分析[D];长江大学;2019年

10 高翔;基于集成传感器的轴承旋转套圈测温系统研制[D];哈尔滨工业大学;2018年

本文编号：2894577