基于VB/SQL Server2000的滚动轴承多参数故障诊断系统开发
发布时间：2021-07-02 23:45
选煤厂设备故障中,滚动轴承故障是一种典型故障类型具有代表性,因此研究滚动轴承故障诊断对保障选煤厂设备长效安全运行意义重大。在轴承故障诊断时,单一参数对于多种形式轴承故障敏感性不同,判断轴承故障准确性低,而传统多参数故障诊断需要专业人员进行分析,因此亟待开发操作简单的多参数滚动轴承故障诊断系统。本文以选煤厂设备故障诊断为背景,选择滚动轴承故障诊断为研究对象,以作为系统开发语言,作为数据库,结合时域、频域信号分析方法与多参数计算,开发了滚动轴承多参数故障诊断系统,并用内圈、外圈、滚动体三种类型轴承故障数据对系统分析效果进行了验证。本文首先研究了滚动轴承故障机理及振动故障分析方法,在滚动轴承故障机理中给出了轴承四种故障频率的计算公式,通过研究振动故障时频域分析方法选择均值、峰值、有效值、烈度、峭度、波形因数六个时域参数作为本系统对轴承故障的考量参数,并给出了各参数的计算公式。其次通过对方法研究发现其具有端点效应及模态混叠缺陷,故利用自适应波形匹配延拓与自适应高频谐波对其进行改进,然后利用改进的和差分谱相结合方法对外圈故障信号进行处理,结果表明改进的方法更有效,选择其作为本系统中对故障信号进行...
【文章来源】：中北大学山西省
【文章页数】：98 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题的背景
1.2 国内外研究现状
1.2.1 国内外滚动轴承故障诊断发展历程
1.2.2 滚动轴承故障诊断振动法研究发展历程
1.2.3 滚动轴承多参数故障诊断研究现状
1.3 课题研究目的与意义
1.4 本文主要研究内容
1.5 本章小结
2 滚动轴承故障机理及振动故障分析方法
2.1 滚动轴承故障介绍及机理研究
2.1.1 滚动轴承基本结构
2.1.2 滚动轴承主要失效形式
2.1.3 滚动轴承的振动机理
2.1.4 滚动轴承故障特征频率计算
2.2 振动故障诊断法分析
2.2.1 时域分析法
2.2.2 频域分析法
2.2.3 时频域分析法
2.3 本章小结
3 基于SVD及改进LMD相结合信号处理理论研究
3.1 引言
3.2 奇异值分解及奇异值差分谱理论基本理论
3.2.1 奇异值分解理论
3.2.2 奇异值差分谱基本理论
3.3 LMD基本原理及方法
3.4 改进的LMD方法
3.4.1 端点效应和模态混叠
3.4.2 自适应高频谐法
3.4.3 自适应波形匹配延拓法
3.4.4 改进的LMD方法实例分析
3.5 奇异值差分谱与改进的LMD分解相结合的轴承故障特征提取方法
3.6 奇异值差分谱与改进的LMD相结合实际应用
3.7 本章小结
4 上位机故障诊断系统设计及实现
4.1 系统需求分析
4.2 数据库选择和设计
4.2.1 关于Microsoft SQL Server2000
4.2.2 数据库的设计
4.3 系统开发软件选取及各功能块的实现
4.3.1 开发软件选取
4.3.2 各功能块的实现
4.4 系统功能实现关键技术研究
4.4.1 数据存储技术
4.4.2 VB与MATLAB交互
4.4.3 VB与Word交互
4.5 本章小结
5 轴承故障多参数诊断实例分析
5.1 正常轴承数据分析
5.2 内圈故障数据分析
5.3 滚动体故障数据分析
5.4 外圈故障数据分析
5.5 本章小结
6 总结与展望
参考文献
攻读硕士学位期间发表的论文及所取得的研究成果
致谢
【参考文献】：
期刊论文
[1]基于LMD多尺度熵和概率神经网络的滚动轴承故障诊断方法[J]. 孟宗,胡猛,谷伟明,赵东方. 中国机械工程. 2016(04)
[2]基于VB/SQLServer2000选煤厂设备点检数据分类存储的实现[J]. 史钧宇,孙虎儿,刘云飞. 机械设计与制造. 2015(10)
[3]基于最小熵解卷积的带式输送机传动滚筒轴承故障诊断[J]. 冷军发,郭松涛,荆双喜,李新华. 河南理工大学学报(自然科学版). 2015(04)
[4]基于EMD的多特征参数和关联向量机的滚动轴承故障诊断研究[J]. 娄洁,李雅芹. 西安文理学院学报(自然科学版). 2015(02)
[5]基于自适应高频谐波LMD法的风电机组故障诊断[J]. 武英杰,刘长良,范德功. 动力工程学报. 2014(12)
[6]基于多特征参数和概率神经网络的滚动轴承故障诊断方法[J]. 裴峻峰,毕昆磊,吕苗荣,贺超,沈科君. 中国机械工程. 2014(15)
[7]优化KNNC算法在滚动轴承故障模式识别中应用[J]. 胡智,段礼祥,张来斌. 振动与冲击. 2013(22)
[8]形态-奇异值分解降噪与LMD结合的滚动轴承故障诊断[J]. 王志武,孙虎儿,刘维雄. 机械传动. 2013(09)
[9]基于ELMD与LS-SVM的滚动轴承故障诊断方法[J]. 廖星智,万舟,熊新. 化工学报. 2013(12)
[10]LMD时频分析方法的端点效应在旋转机械故障诊断中的影响[J]. 任达千,杨世锡,吴昭同,严拱标. 中国机械工程. 2012(08)
博士论文
[1]滚动轴承振动信号处理及特征提取方法研究[D]. 苏文胜.大连理工大学 2010
[2]EMD算法研究及其在信号去噪中的应用[D]. 王婷.哈尔滨工程大学 2010
[3]振动信号的包络解调分析方法研究及应用[D]. 张家凡.武汉理工大学 2008
[4]面向设备管理的机电设备状态监测与故障诊断技术研究[D]. 王正英.天津大学 2007
[5]复杂过程工业系统故障诊断与预测方法的研究[D]. 池红卫.天津大学 2004
硕士论文
[1]强噪声背景下机械故障微弱信号特征提取方法研究[D]. 王志武.中北大学 2014
[2]基于振动信号分析法的滚动轴承故障诊断研究[D]. 杨晨.兰州理工大学 2014
[3]基于LMD的风力发电机组振动信号分析[D]. 齐佳.哈尔滨理工大学 2014
[4]基于临涣选煤厂设备点检系统上位机软件研究[D]. 王刚.安徽理工大学 2013
[5]轴承滚道电化学机械光整加工试验研究[D]. 张建龙.山东大学 2013
[6]基于振动信号分析的滚动轴承故障诊断仪的设计与实现[D]. 张晓鸽.重庆大学 2013
[7]选煤厂设备状态监测与故障诊断系统研究[D]. 胡绍泉.华中科技大学 2012
[8]滚动轴承故障诊断的多参数融合特征提取方法研究[D]. 李少军.北京交通大学 2011
[9]基于LMD的滚动轴承故障诊断研究[D]. 史美丽.湖南大学 2011
[10]煤矿设备故障数据管理系统与故障诊断系统的研究与开发[D]. 华朋云.西安电子科技大学 2011
本文编号：3261412
【文章来源】：中北大学山西省
【文章页数】：98 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题的背景
1.2 国内外研究现状
1.2.1 国内外滚动轴承故障诊断发展历程
1.2.2 滚动轴承故障诊断振动法研究发展历程
1.2.3 滚动轴承多参数故障诊断研究现状
1.3 课题研究目的与意义
1.4 本文主要研究内容
1.5 本章小结
2 滚动轴承故障机理及振动故障分析方法
2.1 滚动轴承故障介绍及机理研究
2.1.1 滚动轴承基本结构
2.1.2 滚动轴承主要失效形式
2.1.3 滚动轴承的振动机理
2.1.4 滚动轴承故障特征频率计算
2.2 振动故障诊断法分析
2.2.1 时域分析法
2.2.2 频域分析法
2.2.3 时频域分析法
2.3 本章小结
3 基于SVD及改进LMD相结合信号处理理论研究
3.1 引言
3.2 奇异值分解及奇异值差分谱理论基本理论
3.2.1 奇异值分解理论
3.2.2 奇异值差分谱基本理论
3.3 LMD基本原理及方法
3.4 改进的LMD方法
3.4.1 端点效应和模态混叠
3.4.2 自适应高频谐法
3.4.3 自适应波形匹配延拓法
3.4.4 改进的LMD方法实例分析
3.5 奇异值差分谱与改进的LMD分解相结合的轴承故障特征提取方法
3.6 奇异值差分谱与改进的LMD相结合实际应用
3.7 本章小结
4 上位机故障诊断系统设计及实现
4.1 系统需求分析
4.2 数据库选择和设计
4.2.1 关于Microsoft SQL Server2000
4.2.2 数据库的设计
4.3 系统开发软件选取及各功能块的实现
4.3.1 开发软件选取
4.3.2 各功能块的实现
4.4 系统功能实现关键技术研究
4.4.1 数据存储技术
4.4.2 VB与MATLAB交互
4.4.3 VB与Word交互
4.5 本章小结
5 轴承故障多参数诊断实例分析
5.1 正常轴承数据分析
5.2 内圈故障数据分析
5.3 滚动体故障数据分析
5.4 外圈故障数据分析
5.5 本章小结
6 总结与展望
参考文献
攻读硕士学位期间发表的论文及所取得的研究成果
致谢
【参考文献】：
期刊论文
[1]基于LMD多尺度熵和概率神经网络的滚动轴承故障诊断方法[J]. 孟宗,胡猛,谷伟明,赵东方. 中国机械工程. 2016(04)
[2]基于VB/SQLServer2000选煤厂设备点检数据分类存储的实现[J]. 史钧宇,孙虎儿,刘云飞. 机械设计与制造. 2015(10)
[3]基于最小熵解卷积的带式输送机传动滚筒轴承故障诊断[J]. 冷军发,郭松涛,荆双喜,李新华. 河南理工大学学报(自然科学版). 2015(04)
[4]基于EMD的多特征参数和关联向量机的滚动轴承故障诊断研究[J]. 娄洁,李雅芹. 西安文理学院学报(自然科学版). 2015(02)
[5]基于自适应高频谐波LMD法的风电机组故障诊断[J]. 武英杰,刘长良,范德功. 动力工程学报. 2014(12)
[6]基于多特征参数和概率神经网络的滚动轴承故障诊断方法[J]. 裴峻峰,毕昆磊,吕苗荣,贺超,沈科君. 中国机械工程. 2014(15)
[7]优化KNNC算法在滚动轴承故障模式识别中应用[J]. 胡智,段礼祥,张来斌. 振动与冲击. 2013(22)
[8]形态-奇异值分解降噪与LMD结合的滚动轴承故障诊断[J]. 王志武,孙虎儿,刘维雄. 机械传动. 2013(09)
[9]基于ELMD与LS-SVM的滚动轴承故障诊断方法[J]. 廖星智,万舟,熊新. 化工学报. 2013(12)
[10]LMD时频分析方法的端点效应在旋转机械故障诊断中的影响[J]. 任达千,杨世锡,吴昭同,严拱标. 中国机械工程. 2012(08)
博士论文
[1]滚动轴承振动信号处理及特征提取方法研究[D]. 苏文胜.大连理工大学 2010
[2]EMD算法研究及其在信号去噪中的应用[D]. 王婷.哈尔滨工程大学 2010
[3]振动信号的包络解调分析方法研究及应用[D]. 张家凡.武汉理工大学 2008
[4]面向设备管理的机电设备状态监测与故障诊断技术研究[D]. 王正英.天津大学 2007
[5]复杂过程工业系统故障诊断与预测方法的研究[D]. 池红卫.天津大学 2004
硕士论文
[1]强噪声背景下机械故障微弱信号特征提取方法研究[D]. 王志武.中北大学 2014
[2]基于振动信号分析法的滚动轴承故障诊断研究[D]. 杨晨.兰州理工大学 2014
[3]基于LMD的风力发电机组振动信号分析[D]. 齐佳.哈尔滨理工大学 2014
[4]基于临涣选煤厂设备点检系统上位机软件研究[D]. 王刚.安徽理工大学 2013
[5]轴承滚道电化学机械光整加工试验研究[D]. 张建龙.山东大学 2013
[6]基于振动信号分析的滚动轴承故障诊断仪的设计与实现[D]. 张晓鸽.重庆大学 2013
[7]选煤厂设备状态监测与故障诊断系统研究[D]. 胡绍泉.华中科技大学 2012
[8]滚动轴承故障诊断的多参数融合特征提取方法研究[D]. 李少军.北京交通大学 2011
[9]基于LMD的滚动轴承故障诊断研究[D]. 史美丽.湖南大学 2011
[10]煤矿设备故障数据管理系统与故障诊断系统的研究与开发[D]. 华朋云.西安电子科技大学 2011
本文编号：3261412
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3261412.html
