滚动轴承故障特征增强与检测方法研究

发布时间：2017-07-04 16:08

  本文关键词：滚动轴承故障特征增强与检测方法研究

  更多相关文章： 滚动轴承 故障诊断 特征增强 压缩检测

【摘要】：为提取微弱故障信号特征以及实现故障特征的直接检测,以滚动轴承为研究对象,开展了故障特征增强与检测方法研究,提出了基于峰值特征和稀疏表示的轴承故障特征增强方法及基于少量数据的轴承故障直接检测方法;提出了基于峰值保持算法的降采样及信号增强方法,并用于低转数工况下轴承的故障诊断；同时将谱峭度理论应用于直驱风力发电机组低速主轴信号特征提取。采用理论分析、仿真模拟及实验验证等手段,验证了方法的有效性。具体内容如下：(1)提出了基于峰值特征的信号变换方法,该方法以峰值为特征点,对信号进行分段重组变换,增强了轴承振动信号在变换域稀疏度,并结合小波基、离散余弦基,提出了轴承稀疏表示方法,并采用轴承振动信号加以验证;以此为基础,建立了基于峰值特征和稀疏表示的轴承故障特征增强方法。通过与小波方法、离散余弦变换方法对比,以故障特征频率幅值为衡量指标,验证了增强方法的有效性。(2)应用压缩感知框架,提出了基于少量数据的轴承故障直接检测方法。该方法提出以故障特征谐波为检测对象,采用高斯随机矩阵作为压缩感知采样矩阵,获取欠采样压缩数据。应用压缩采样匹配追踪算法,以稀疏度为检测条件,对压缩数据进行不完全重构,实现低采样率下轴承故障直接检测。以正弦混合信号、故障仿真信号、实验轴承振动信号作为输入信号,验证了算法的有效性;同时本文也分析了不同采样率下对检测成功率的影响。(3)开展了低速轴承故障诊断方法研究,首先为解决低速轴承故障特征难以提取,分析数据量较大的问题,将峰值保持算法应用到低速轴承信号处理,并与等间隔算法相对比,结果表明该方法在降低分析数据量的同时,可以有效保留或增强故障特征。同时将谱峭度方法应用于工程实际中某风力发电机组低速主轴承信号处理,在时域、频域以及包络谱中难以有效提取故障特征的情况下,以谱峭度方法确定滤波参数,并对实际信号进行滤波处理,结合包络分析,有效提取了故障特征。
【关键词】：滚动轴承 故障诊断 特征增强 压缩检测
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH133.33
【目录】：

• 摘要4-6
• ABSTRACT6-13
• 第一章 绪论13-21
• 1.1 课题研究背景及意义13-15
• 1.2 国内外研究进展15-19
• 1.3 课题来源以及主要研究内容19
• 1.4 论文结构安排19-21
• 第二章 基于峰值特征与稀疏表示的故障特征增强方法21-47
• 2.1 稀疏表示理论21-24
• 2.1.1 小波多尺度分解方法21-22
• 2.1.2 离散余弦变换方法22-24
• 2.2 基于峰值特征的振动信号变换方法24-26
• 2.3 基于峰值特征与稀疏表示的故障增强框架26-28
• 2.4 故障特征增强方法在轴承故障诊断中的应用28-45
• 2.4.1 基于小波基的故障特征增强方法的应用32-39
• 2.4.2 基于离散余弦基的故障特征增强方法的应用39-45
• 2.5 本章小结45-47
• 第三章 基于少量数据的故障检测方法研究47-65
• 3.1 检测原理介绍47-48
• 3.2 故障特征谐波概念48-49
• 3.3 压缩数据的故障特征谐波检测49-50
• 3.4 基于少量数据的轴承故障检测框架50-51
• 3.5 仿真验证51-55
• 3.5.1 正弦仿真信号验证51-53
• 3.5.2 轴承故障仿真信号验证53-55
• 3.6. 实验验证55-61
• 3.6.1 实验台介绍55-56
• 3.6.2 实验结果及分析56-61
• 3.7 不同压缩率下检测结果的比较61-62
• 3.8 本章小结62-65
• 第四章 低速轴承故障诊断方法研究65-81
• 4.1 基于峰值保持的信号处理方法研究65-72
• 4.1.1 峰值保持算法原理65-67
• 4.1.2 等间隔降采样算法原理67-68
• 4.1.3 实验验证68-72
• 4.2 工程应用72-78
• 4.2.1 项目背景72-75
• 4.2.2 谱峭度基本原理75-76
• 4.2.3. 基于谱峭度和包络分析的轴承故障特征提取方法76-77
• 4.2.4. 实际信号分析及结果77-78
• 4.3 本章小结78-81
• 第五章 总结及展望81-83
• 参考文献83-89
• 致谢89-91
• 研究成果及发表的学术论文91-93
• 作者及导师简介93-94
• 附件94-95

【参考文献】

中国期刊全文数据库 前3条

1 胡劲松;杨世锡;;转子振动信号同步整周期重采样方法的研究[J];动力工程;2008年03期

2 宋辉;陈浩杰;;基于谱峭度Morlet小波变换法和经验模态分解的滚动轴承故障诊断研究[J];中国印刷与包装研究;2012年01期

3 邵文泽;韦志辉;;压缩感知基本理论:回顾与展望[J];中国图象图形学报;2012年01期

中国硕士学位论文全文数据库 前1条

1 由理;基于EEMD与谱峭度的滚动轴承故障初始时间预测方法[D];兰州理工大学;2014年

，

本文编号：518402