基于VMD-KEI的电机用滚动轴承故障诊断研究

发布时间：2020-05-09 06:40

【摘要】：电机是现代工业过程中重要的驱动设备,而滚动轴承作为缓冲高速运转零部件的复杂受力的关键零件之一,因其具有摩擦力小、启动升速容易、结构简单、维修方便等特点,被广泛应用于各种电机设备中。而如此重要的关键零件一旦发生故障,会严重的影响电机的稳定性,甚至会引起严重的灾难性事故。因此,深入分析滚动轴承故障发生机理,探索电机用滚动轴承故障诊断技术,可以在滚动轴承出现不良性能之前提前做好维修工作,对延长电机有效工作时间具有十分重要的实际工程意义和应用前景。为此,本文将变分模态分解(VMD)引入到电机用滚动轴承故障诊断中,详细研究了基于变分模态分解的电机用滚动轴承非平稳振动信号故障特征提取,并融合基于遗传算法(GA)优化的极限学习机(ELM)的诊断模型,以期实现电机用滚动轴承故障的准确识别和诊断。首先,本文简要阐述了变分模态分解的基本原理,通过仿真信号对比分析验证了VMD分解可以有效避免EMD分解产生的模态混叠和虚假分量现象。其次针对VMD算法对初始参数敏感特性,提出一种由粗到精的参数优化策略,通过西储大学实验数据证明了该优化策略的有效性和实用性。在电机轴承存在早期微弱故障时其信号包含的故障特征微弱,为了更好的提取电机用滚动轴承振动信号的故障特征信息,本文提出基于符号动态熵理论及集合峭度的KEI评价指标,通过变分模态分解结合KEI评价指标将振动信号进行分解和筛选,将筛选出的最佳分量进行包络解调,获得滚动轴承的故障特征信息,通过实验数据处理分析证明所提出的VMD-KEI方法能够很好的对振动信号的故障特征信息进行提取。最后简要阐述了极限学习机的原理,针对极限学习机稳定性差等缺点,采用遗传算法对输入层和隐含层的相关参数进行优化,建立了GA-ELM诊断模型,并结合VMD-KEI特征信息提取方法,提出基于VMD-KEI和GA-ELM的电机用滚动轴承故障诊断方法,通过实验表明,此方法可以对滚动轴承内外圈及滚动体故障做出准确诊断。
【图文】：

滚动轴承的基本结构

常见几类滚动轴承的构造：（a）圆锥滚子轴承；
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM307

【参考文献】

相关期刊论文 前10条

1 张会强;王宇拓;王林川;张闻一;;基于超级电容器的混合储能在直流微电网中的应用[J];电测与仪表;2015年22期

2 刘长良;武英杰;甄成刚;;基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J];中国电机工程学报;2015年13期

3 张龙;张磊;熊国良;周继惠;王宁;王明翔;;基于多尺度熵的滚动轴承Elman神经网络故障诊断方法[J];机械科学与技术;2014年12期

4 安国庆;秦程;郭立炜;梁永春;;峭度滤波器用于电机轴承早期故障特征提取[J];电机与控制学报;2014年06期

5 胡爱军;马万里;唐贵基;;基于集成经验模态分解和峭度准则的滚动轴承故障特征提取方法[J];中国电机工程学报;2012年11期

6 汤宝平;蒋永华;张详春;;基于形态奇异值分解和经验模态分解的滚动轴承故障特征提取方法[J];机械工程学报;2010年05期

7 李凤婷;晁勤;;基于Matlab与遗传算法的风电容量[J];电工技术学报;2009年03期

8 刘雪霞;张琦;谭业发;;高阶谱分析技术在轴承故障信号特征提取中的应用[J];机床与液压;2008年07期

9 时献江;张春喜;邵俊鹏;;异步电机断条故障诊断的细化包络方法[J];电机与控制学报;2008年02期

10 王丽雅;韩捷;陈磊;;基于信息融合的短时矢功率谱分析方法[J];机械科学与技术;2007年04期

，

本文编号：2655746