基于声信号形态分量分析的滚动轴承故障诊断研究

发布时间：2017-07-31 06:14

  本文关键词：基于声信号形态分量分析的滚动轴承故障诊断研究

  更多相关文章： 阵列声信号 轴承故障诊断 形态分量分析 冗余字典 Hilbert谱分析

【摘要】：机械的噪声是通过振动产生的,机械的声信号是其振动信号的延伸,当机械振动发生改变的时候,声特性也随之改变。声学故障诊断属于无损检测领域,它实验操作简单,不影响设备运行。在传统的声学故障诊断中,常见的轴承早期损伤引起的声信号冲击故障特征容易被其他噪声掩盖乃至淹没,很难识别出轴承损伤类型,严重影响诊断结果的正确性和可靠性。针对上述问题,在研究了声学基础知识、滚动轴承故障声信号特征、冗余字典稀疏特性的基础上,本文提出了一种基于声信号MCA与Hilbert谱分析的滚动轴承故障诊断方法。对滚道缺陷故障特征和声学理论进行分析,利用全息面有效声压场及其投影图作为机械设备是否出现异常的一个判断依据。对各小波函数的性质进行分析,根据故障声信号的频率特征和冗余字典的稀疏特性建立由coif4字典和局部余弦字典组成的冗余字典来稀疏表示原信号,此冗余字典可达到所需要的灵活度。利用MCA对原声信号进行稀疏分解预处理,再对分离得的冲击分量进行Hilbert谱分析。利用实验轴承作为模型,对本文提出的方法进行了仿真分析,并对仿真信号处理前后的冲击分量信号进行互相关性分析,从数学角度证明了本文方法对故障类型识别的有效性。建立了传声器阵列声信号滚动轴承故障诊断系统,在半消声室和普通实验室内利用不同传声器阵列分别对无故障和内、外圈故障轴承进行实验。根据不同传声器阵列测量得到的全息面三维有效声压场图和声压投影图中的“热点”来判断实验台工作状态是否异常。对“热点”对应的关键部位轴承传声器单通道信号进行时频分析,根据对不同转速下的声信号外圈故障频率结果进行分析,进一步证明了利用声信号判断轴承故障类型的正确性与可靠性。用本文提出的方法对轴承内圈实验信号进行处理,根据对冲击分量的时域图、时频图和Hilbert频谱图的分析,准确判断故障类型。仿真和实验分析证明了该方法识别滚动轴承故障类型的准确性,为声学故障诊断技术提供了一种新的方法。
【关键词】：阵列声信号 轴承故障诊断 形态分量分析 冗余字典 Hilbert谱分析
【学位授予单位】：广州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH133.33
【目录】：

• 摘要4-5
• Abstract5-11
• 第一章 前言11-17
• 1.1 课题来源11
• 1.2 课题研究的背景与意义11-13
• 1.3 轴承声学故障诊断研究现状及发展13-15
• 1.4 论文主要研究思路与内容15-17
• 第二章 滚动轴承故障声信号特征提取理论及方法17-32
• 2.1 滚动轴承故障概述17-21
• 2.1.1 滚动轴承故障类型17-18
• 2.1.2 滚动轴承滚道缺陷故障特征18-21
• 2.2 轴承故障声学诊断理论分析21-25
• 2.2.1 近场声全息声源识别技术21-24
• 2.2.2 振动和声学故障诊断方法对比24-25
• 2.3 声信号故障特征提取方法25-31
• 2.3.1 几种特征提取方法概述25-27
• 2.3.2 MCA原理及分析27-29
• 2.3.3 Hilbert谱分析29-30
• 2.3.4 声信号MCA与Hilbert谱分析方法30-31
• 2.4 本章小结31-32
• 第三章 声信号MCA与Hilbert谱分析的仿真研究32-44
• 3.1 字典的选择32-35
• 3.1.1 冗余字典的稀疏性32-33
• 3.1.2 小波字典33-35
• 3.1.3 局部余弦字典35
• 3.2 仿真分析35-43
• 3.2.1 故障声信号仿真模型的建立35-39
• 3.2.2 基于MCA与Hilbert的特征提取仿真分析39-41
• 3.2.3 互相关分析41-43
• 3.3 本章小结43-44
• 第四章 实验及分析44-72
• 4.1 实验系统介绍44-49
• 4.2 无故障轴承实验及分析49-51
• 4.3 外圈故障轴承实验及分析51-53
• 4.4 内圈故障轴承实验及分析53-70
• 4.5 本章小结70-72
• 第五章 总结与展望72-74
• 5.1 总结72-73
• 5.2 创新点73
• 5.3 展望73-74
• 参考文献74-79
• 攻读硕士学位期间的研究成果79-80
• 致谢80

【参考文献】

中国期刊全文数据库 前10条

1 谭建成;许文雷;吴家健;陈进勇;郭福平;;基于PNN神经网络的滚动轴承声发射故障诊断研究[J];广东化工;2015年21期

2 郑青松;;和谐型机车走行部动态检测方案探讨[J];中国铁路;2015年11期

3 周亚同;刘志峰;张志伟;;形态分量分析框架下基于DCT与曲波字典组合的地震信号重建[J];石油物探;2015年05期

4 马泽玮;崔宝珍;;基于广义形态学滤波和EEMD分解的滚动轴承故障诊断[J];中国农机化学报;2015年02期

5 欧伟光;张春良;郭莹莹;朱厚耀;;基于形态分量分析的希尔伯特变换在滚动轴承故障诊断中的应用[J];机电工程技术;2015年03期

6 刘光晓;孟令雅;刘翠伟;钱昊铖;李玉星;;基于盲源分离技术的泄漏音波信号滤波方法分析[J];振动与冲击;2014年24期

7 张晗;杜朝辉;方作为;王诗彬;陈雪峰;;基于稀疏分解理论的航空发动机轴承故障诊断[J];机械工程学报;2015年01期

8 崔玲丽;王婧;邬娜;高立新;;基于轴承故障信号特征的自适应冲击字典匹配追踪方法及应用[J];振动与冲击;2014年11期

9 史荣珍;王怀登;袁杰;;不同小波基函数下的语音去噪研究[J];现代电子技术;2014年03期

10 杨晓蔚;;高端轴承制造的关键技术[J];金属加工(冷加工);2013年16期

，

本文编号：597798