基于多传感器数据融合的电主轴健康状态评估
发布时间：2021-05-24 05:51
电主轴是高档数控机床关键核心功能部件之一,其性能及健康状态与数控机床的整体性能状况密切相关。电主轴发生故障可能导致数控机床停机等一系列问题,影响产品质量和生产效率。通过电主轴的健康状态评估,可以实现预防性维护,最大程度避免电主轴发生故障,延长机器使用寿命。同时,电主轴的自我健康状态感知、故障预测及健康维护技术,也是数控机床智能化和健康管理的一项重要内容。由于电主轴有多种类型,工况和故障模式繁杂,目前评定其健康状态尚无统一标准的参数阈值。分析评估电主轴健康退化趋势,对合理制定电主轴维修策略,实现基于健康状态的维修方式有现实意义。本文在CBM架构下利用状态监测数据和算法,对电主轴健康状态评估方法展开研究,主要内容如下:1、电主轴故障信息传递路径及信号特征分析。根据主轴零部件间的耦合关系布置传感器检测点,并通过故障信息传递路径的分析对检测点布置的合理性进行验证。在此基础上,分析常见故障所产生的特征频率,作为健康状态评估的参考依据。2、基于单传感器数据的健康指标计算。通过分析典型的健康评估框架,并结合电主轴特点,构建电主轴的健康评估框架。对电主轴信号的时域、频域和时频域特征进行提取和筛选。鉴于...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景与来源
1.1.1 研究背景
1.1.2 课题来源
1.2 研究目的与意义
1.3 电主轴健康状态评估技术发展现状
1.3.1 电主轴状态监测技术
1.3.2 健康指标计算方法
1.3.3 多传感器数据融合方法
1.4 研究内容与研究路线
第2章 电主轴故障信息传递路径及信号特征分析
2.1 概述
2.2 电主轴系统及结构
2.3 电主轴常见故障及测点布置
2.4 常见故障信息传递路径及信号特征分析
2.4.1 电主轴轴承故障
2.4.2 主轴芯轴与拉刀机构故障
2.4.3 主轴电机故障
2.5 本章小结
第3章 基于单传感器数据的健康指标计算
3.1 电主轴健康状态评估流程
3.2 信号特征提取与筛选
3.2.1 信号特征提取
3.2.2 特征归一化及相对缩放处理
3.2.3 特征筛选
3.3 基于滑动SVDD模型的健康指标计算
3.3.1 SVDD基本原理
3.3.2 滑动SVDD模型
3.4 轴承性能衰退数据分析
3.5 本章小结
第4章 多传感器数据融合电主轴健康状态评估
4.1 概述
4.2 加权DS证据理论
4.2.1 证据理论基本概念
4.2.2 Dempster证据组合规则
4.2.3 权重的计算
4.3 电主轴健康状态评估试验
4.3.1 实验设计
4.3.2 数据分析
4.4 本章小结
第5章 电主轴健康状态评估系统开发
5.1 软件功能设计
5.2 软件开发平台
5.3 电主轴健康状态评估系统程序开发
5.3.1 数据采集与储存
5.3.2 数据库设计与管理
5.3.3 数据查询与健康评估
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
作者简介及研究成果
致谢
【参考文献】：
期刊论文
[1]智能装备故障预测与健康管理系统研究[J]. 黄忠山,田凌. 图学学报. 2018(05)
[2]智能主轴状态监测诊断与振动控制研究进展[J]. 陈雪峰,张兴武,曹宏瑞. 机械工程学报. 2018(19)
[3]基于信息融合技术的船舶汽轮机故障诊断和预测的研究[J]. 黄振中,卞政明. 舰船科学技术. 2017(14)
[4]基于多工况自动聚类的飞机发动机健康状态评估[J]. 施浩,黄亦翔,刘成良. 机电一体化. 2016(11)
[5]基于马氏距离与组距估计的复杂系统健康评估[J]. 林彬,宋东,和麟. 仪器仪表学报. 2016(09)
[6]基于分层DSmT的多故障诊断方法[J]. 李向军,庄晓翔,于霞,许鹏. 控制与决策. 2016(05)
[7]基于劣化度的装备健康状态评估模型[J]. 马海英,周林,王亮. 火力与指挥控制. 2014(10)
[8]智能制造装备的发展现状与趋势[J]. 傅建中. 机电工程. 2014(08)
[9]基于HHT的数控机床主轴振动监测系统的研制[J]. 万海波,杨世锡. 振动与冲击. 2014(06)
[10]数据驱动故障预测和健康管理综述[J]. 彭宇,刘大同. 仪器仪表学报. 2014(03)
博士论文
[1]基于多源信息融合的数控机床进给系统机械故障诊断研究[D]. 文妍.青岛理工大学 2016
[2]高速电主轴动态加载可靠性试验及其故障诊断研究[D]. 陈超.吉林大学 2016
[3]面向可靠性概率设计的数控机床载荷谱建立方法研究[D]. 陈传海.吉林大学 2013
[4]基于灰色理论的数控机床可靠性及维修性分析技术[D]. 朱晓翠.吉林大学 2013
[5]基于多源信息融合的大型水压机故障诊断与状态评估研究[D]. 陈晖.中南大学 2012
硕士论文
[1]基于MEWT-KPCA的电主轴故障诊断技术研究[D]. 叶益丰.吉林大学 2018
[2]基于支持向量机的数控机床电主轴故障诊断研究[D]. 王泽星.合肥工业大学 2017
[3]基于LabVIEW的电主轴电液伺服加载控制系统研究[D]. 郑志同.吉林大学 2015
[4]基于LabVIEW的电主轴状态监测系统研制[D]. 杨川贵.吉林大学 2015
[5]多传感器信息融合技术在电机故障诊断中的应用研究[D]. 张岳.兰州理工大学 2014
[6]电主轴可靠性试验台模拟切削力加载方法与试验的研究[D]. 朱岩.吉林大学 2014
[7]基于多源异类信息融合的异步电机故障诊断技术研究[D]. 李平.湖南科技大学 2013
[8]高速电主轴电液伺服加载的可靠性试验台研制[D]. 王凯.吉林大学 2013
[9]基于信息融合技术的航空发动机故障诊断[D]. 赵鹏.西北工业大学 2007
本文编号：3203668
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景与来源
1.1.1 研究背景
1.1.2 课题来源
1.2 研究目的与意义
1.3 电主轴健康状态评估技术发展现状
1.3.1 电主轴状态监测技术
1.3.2 健康指标计算方法
1.3.3 多传感器数据融合方法
1.4 研究内容与研究路线
第2章 电主轴故障信息传递路径及信号特征分析
2.1 概述
2.2 电主轴系统及结构
2.3 电主轴常见故障及测点布置
2.4 常见故障信息传递路径及信号特征分析
2.4.1 电主轴轴承故障
2.4.2 主轴芯轴与拉刀机构故障
2.4.3 主轴电机故障
2.5 本章小结
第3章 基于单传感器数据的健康指标计算
3.1 电主轴健康状态评估流程
3.2 信号特征提取与筛选
3.2.1 信号特征提取
3.2.2 特征归一化及相对缩放处理
3.2.3 特征筛选
3.3 基于滑动SVDD模型的健康指标计算
3.3.1 SVDD基本原理
3.3.2 滑动SVDD模型
3.4 轴承性能衰退数据分析
3.5 本章小结
第4章 多传感器数据融合电主轴健康状态评估
4.1 概述
4.2 加权DS证据理论
4.2.1 证据理论基本概念
4.2.2 Dempster证据组合规则
4.2.3 权重的计算
4.3 电主轴健康状态评估试验
4.3.1 实验设计
4.3.2 数据分析
4.4 本章小结
第5章 电主轴健康状态评估系统开发
5.1 软件功能设计
5.2 软件开发平台
5.3 电主轴健康状态评估系统程序开发
5.3.1 数据采集与储存
5.3.2 数据库设计与管理
5.3.3 数据查询与健康评估
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
作者简介及研究成果
致谢
【参考文献】：
期刊论文
[1]智能装备故障预测与健康管理系统研究[J]. 黄忠山,田凌. 图学学报. 2018(05)
[2]智能主轴状态监测诊断与振动控制研究进展[J]. 陈雪峰,张兴武,曹宏瑞. 机械工程学报. 2018(19)
[3]基于信息融合技术的船舶汽轮机故障诊断和预测的研究[J]. 黄振中,卞政明. 舰船科学技术. 2017(14)
[4]基于多工况自动聚类的飞机发动机健康状态评估[J]. 施浩,黄亦翔,刘成良. 机电一体化. 2016(11)
[5]基于马氏距离与组距估计的复杂系统健康评估[J]. 林彬,宋东,和麟. 仪器仪表学报. 2016(09)
[6]基于分层DSmT的多故障诊断方法[J]. 李向军,庄晓翔,于霞,许鹏. 控制与决策. 2016(05)
[7]基于劣化度的装备健康状态评估模型[J]. 马海英,周林,王亮. 火力与指挥控制. 2014(10)
[8]智能制造装备的发展现状与趋势[J]. 傅建中. 机电工程. 2014(08)
[9]基于HHT的数控机床主轴振动监测系统的研制[J]. 万海波,杨世锡. 振动与冲击. 2014(06)
[10]数据驱动故障预测和健康管理综述[J]. 彭宇,刘大同. 仪器仪表学报. 2014(03)
博士论文
[1]基于多源信息融合的数控机床进给系统机械故障诊断研究[D]. 文妍.青岛理工大学 2016
[2]高速电主轴动态加载可靠性试验及其故障诊断研究[D]. 陈超.吉林大学 2016
[3]面向可靠性概率设计的数控机床载荷谱建立方法研究[D]. 陈传海.吉林大学 2013
[4]基于灰色理论的数控机床可靠性及维修性分析技术[D]. 朱晓翠.吉林大学 2013
[5]基于多源信息融合的大型水压机故障诊断与状态评估研究[D]. 陈晖.中南大学 2012
硕士论文
[1]基于MEWT-KPCA的电主轴故障诊断技术研究[D]. 叶益丰.吉林大学 2018
[2]基于支持向量机的数控机床电主轴故障诊断研究[D]. 王泽星.合肥工业大学 2017
[3]基于LabVIEW的电主轴电液伺服加载控制系统研究[D]. 郑志同.吉林大学 2015
[4]基于LabVIEW的电主轴状态监测系统研制[D]. 杨川贵.吉林大学 2015
[5]多传感器信息融合技术在电机故障诊断中的应用研究[D]. 张岳.兰州理工大学 2014
[6]电主轴可靠性试验台模拟切削力加载方法与试验的研究[D]. 朱岩.吉林大学 2014
[7]基于多源异类信息融合的异步电机故障诊断技术研究[D]. 李平.湖南科技大学 2013
[8]高速电主轴电液伺服加载的可靠性试验台研制[D]. 王凯.吉林大学 2013
[9]基于信息融合技术的航空发动机故障诊断[D]. 赵鹏.西北工业大学 2007
本文编号：3203668
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/3203668.html
