基于小波变换和HHT的滚动轴承故障检测系统研究
发布时间：2021-10-06 23:06
随着我国工业4.0的大步推进,工业生产与各种业务协同管理,机械结构的整体将会更加复杂化。工业4.0的升级改造必须建立在自动化的机械结构上,滚动轴承在机械结构中有广泛的应用,针对滚动轴承故障检测系统的研究,对于保障机械机构安全以及降低其故障发生率有着至关重要的作用。以往使用的滚动轴承故障检测方法,如时域分析、频域分析以及共振解调分析都存在一定的局限性,无法精确检测其是否发生故障以及故障发生的类型。针对上述问题,本文提出一种基于小波变换和HHT的滚动轴承故障检测方法。具体研究内容如下:首先,阐述滚动轴承的主要失效形式,以此为基础分析滚动轴承的故障特征,进而计算出其不同位置发生故障的频率。同时,针对其故障诊断常用的分析方法进行剖析和研究。其次,针对滚动轴承故障检测系统的功能特点,设计基于FPGA的滚动轴承振动信号采集系统,使其满足较快的采集速度、数据存储以及多通道数据采集等要求。着重针对A/D转换模块、SDRAM存储控制模块以及以太网接口模块的硬件和软件部分进行设计分析。再次,滚动轴承故障振动信号属于一种非平稳信号,其包含丰富的故障信息。采用小波变换的方法,实现滚动轴承故障特征的提取,分析传...
【文章来源】：哈尔滨理工大学黑龙江省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
滚动轴承剖面图
其 Δf 的表达式为：1 1s sΔf = f / N = / NT = / T(2-15)其中，sf 表示采样频率，sT 表示采样周期， N 表示采样点数。当采样频率为固定值时，采样的点数越多，分辨能力越好。采样参数选取原则：(1) 设被采集的信号最高频率cf ，为了不会产生混叠现象，则采样频率不能小于 2s cf ≥ f。(2) 根据系统需求，确定频率分辨率 Δf 后，采样点数即为sN = f / Δf 。在对功率谱进行分析时，能够利用人工来识别轴承的故障特征。但故障诊断仍要以具体数据作为依据，因此还需要构建一种诊断参数，方便计算机对数据的处理和诊断。2.3.3 振动信号的共振解调分析共振解调分析法对于诊断滚动轴承早期故障有一定的效果，通过对信号的共振处理，再利用带通滤波分离出发生故障的特征信号，进而将信噪比提高，方便提取轴承故障特征值[26-27]。
本设计主要实现针对滚动轴承高速旋转时产生的振动信号的进行采集，根据系统特点，该采集系统要围绕下述目标进行实现：采集速度方面：在某些电机上使用的滚动轴承，其运行速率可达到3000r/min ，而在一些工业级设备中，旋转速度会达到更高[28]。因此，振动信号采集系统要具备较高的采集速率。通道配置方面：针对滚动轴承多零件组成的特性，需要将传感器安装在轴承的不同位置上，因此，采集器需要进行多通道采集。数据传输方面：将A/D转换过后的数据进行存储，同时利用以太网传输至 PC 端，进而实现对滚动轴承的故障检测。以上述滚动轴承振动信号采集系统要实现的目标为设计基础，其主要模块包括振动信号调理模块、 A/D 模块、 FPGA 数据处理模块、 SDRAM 模块、以太网模块以及电源模块等。利用FPGA 模块作为主控制芯片，发送采样命令进行采样，同时，采集到的振动信号经过振动信号调理电路进行处理后送至A/D模块，A/D模块对处理后的信号进行模数转换，然后，将采集的数据存储至 SDRAM 并利用以太网将其传输到上位机，振动信号采集系统总体方案如图 3-1 所示。
【参考文献】：
期刊论文
[1]基于FPGA的振动信号采集卡的研究与设计[J]. 侍洁,袁红兵,陈永进. 机械制造与自动化. 2017(03)
[2]基于频段能量特征的低速滚动轴承故障诊断[J]. 熊邦书,吴强镪,李新民,莫燕,黄建萍. 应用科学学报. 2017(03)
[3]基于HHT边际谱熵-马氏距离的滚动轴承故障诊断[J]. 李巧艺,单奇,陈跃威. 燕山大学学报. 2016(06)
[4]基于以太网的多功能一体化数据采集系统[J]. 朱健军,倪有粮. 浙江工业大学学报. 2016(01)
[5]基于以太网的加速度传感器数据采集传输系统设计[J]. 邹坤,石云波,焦佳伟,赵赟,贺婷. 传感器与微系统. 2015(12)
[6]自适应MED结合EMD诊断滚动轴承早期故障[J]. 刘尚坤,唐贵基. 噪声与振动控制. 2015(06)
[7]基于自适应共振解调技术的滚动轴承故障诊断[J]. 潘阳,陈安华,蒋玲莉,李学军. 机械科学与技术. 2015(02)
[8]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]. 郑近德,程军圣. 机械工程学报. 2015(01)
[9]基于级联奇异值分解和Hilbert变换的滚动轴承故障诊断[J]. 宋耀文,王彩,程刚,陈曦晖. 煤矿机械. 2014(04)
[10]基于神经网络与小波变换的滚动轴承故障诊断[J]. 胡耀斌,谢静,胡良斌. 机械设计与研究. 2013(06)
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
硕士论文
[1]基于振动信号处理的电机轴承故障诊断方法研究[D]. 张洋.辽宁科技大学 2016
[2]基于FPGA的多通道同步数据采集系统设计[D]. 宋亮.辽宁科技大学 2016
[3]基于振动信号的滚动轴承故障特征提取研究[D]. 孙美岩.东北石油大学 2015
[4]基于层次非线性分析的滚动轴承故障诊断[D]. 黄海宾.大连理工大学 2014
[5]基于振动信号的轴承状态监测和故障诊断方法研究[D]. 张乾.中南大学 2012
[6]滚动轴承振动信号处理与故障辨识方法研究[D]. 徐继刚.兰州理工大学 2012
[7]滚动轴承在线监测故障诊断系统的研究与开发[D]. 宋晓美.华北电力大学 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
本文编号：3420913
【文章来源】：哈尔滨理工大学黑龙江省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
滚动轴承剖面图
其 Δf 的表达式为：1 1s sΔf = f / N = / NT = / T(2-15)其中，sf 表示采样频率，sT 表示采样周期， N 表示采样点数。当采样频率为固定值时，采样的点数越多，分辨能力越好。采样参数选取原则：(1) 设被采集的信号最高频率cf ，为了不会产生混叠现象，则采样频率不能小于 2s cf ≥ f。(2) 根据系统需求，确定频率分辨率 Δf 后，采样点数即为sN = f / Δf 。在对功率谱进行分析时，能够利用人工来识别轴承的故障特征。但故障诊断仍要以具体数据作为依据，因此还需要构建一种诊断参数，方便计算机对数据的处理和诊断。2.3.3 振动信号的共振解调分析共振解调分析法对于诊断滚动轴承早期故障有一定的效果，通过对信号的共振处理，再利用带通滤波分离出发生故障的特征信号，进而将信噪比提高，方便提取轴承故障特征值[26-27]。
本设计主要实现针对滚动轴承高速旋转时产生的振动信号的进行采集，根据系统特点，该采集系统要围绕下述目标进行实现：采集速度方面：在某些电机上使用的滚动轴承，其运行速率可达到3000r/min ，而在一些工业级设备中，旋转速度会达到更高[28]。因此，振动信号采集系统要具备较高的采集速率。通道配置方面：针对滚动轴承多零件组成的特性，需要将传感器安装在轴承的不同位置上，因此，采集器需要进行多通道采集。数据传输方面：将A/D转换过后的数据进行存储，同时利用以太网传输至 PC 端，进而实现对滚动轴承的故障检测。以上述滚动轴承振动信号采集系统要实现的目标为设计基础，其主要模块包括振动信号调理模块、 A/D 模块、 FPGA 数据处理模块、 SDRAM 模块、以太网模块以及电源模块等。利用FPGA 模块作为主控制芯片，发送采样命令进行采样，同时，采集到的振动信号经过振动信号调理电路进行处理后送至A/D模块，A/D模块对处理后的信号进行模数转换，然后，将采集的数据存储至 SDRAM 并利用以太网将其传输到上位机，振动信号采集系统总体方案如图 3-1 所示。
【参考文献】：
期刊论文
[1]基于FPGA的振动信号采集卡的研究与设计[J]. 侍洁,袁红兵,陈永进. 机械制造与自动化. 2017(03)
[2]基于频段能量特征的低速滚动轴承故障诊断[J]. 熊邦书,吴强镪,李新民,莫燕,黄建萍. 应用科学学报. 2017(03)
[3]基于HHT边际谱熵-马氏距离的滚动轴承故障诊断[J]. 李巧艺,单奇,陈跃威. 燕山大学学报. 2016(06)
[4]基于以太网的多功能一体化数据采集系统[J]. 朱健军,倪有粮. 浙江工业大学学报. 2016(01)
[5]基于以太网的加速度传感器数据采集传输系统设计[J]. 邹坤,石云波,焦佳伟,赵赟,贺婷. 传感器与微系统. 2015(12)
[6]自适应MED结合EMD诊断滚动轴承早期故障[J]. 刘尚坤,唐贵基. 噪声与振动控制. 2015(06)
[7]基于自适应共振解调技术的滚动轴承故障诊断[J]. 潘阳,陈安华,蒋玲莉,李学军. 机械科学与技术. 2015(02)
[8]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]. 郑近德,程军圣. 机械工程学报. 2015(01)
[9]基于级联奇异值分解和Hilbert变换的滚动轴承故障诊断[J]. 宋耀文,王彩,程刚,陈曦晖. 煤矿机械. 2014(04)
[10]基于神经网络与小波变换的滚动轴承故障诊断[J]. 胡耀斌,谢静,胡良斌. 机械设计与研究. 2013(06)
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
硕士论文
[1]基于振动信号处理的电机轴承故障诊断方法研究[D]. 张洋.辽宁科技大学 2016
[2]基于FPGA的多通道同步数据采集系统设计[D]. 宋亮.辽宁科技大学 2016
[3]基于振动信号的滚动轴承故障特征提取研究[D]. 孙美岩.东北石油大学 2015
[4]基于层次非线性分析的滚动轴承故障诊断[D]. 黄海宾.大连理工大学 2014
[5]基于振动信号的轴承状态监测和故障诊断方法研究[D]. 张乾.中南大学 2012
[6]滚动轴承振动信号处理与故障辨识方法研究[D]. 徐继刚.兰州理工大学 2012
[7]滚动轴承在线监测故障诊断系统的研究与开发[D]. 宋晓美.华北电力大学 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
本文编号：3420913
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3420913.html
