轧钢机振动信号分析与故障诊断方法研究

发布时间：2017-09-29 05:25

  本文关键词：轧钢机振动信号分析与故障诊断方法研究

  更多相关文章： 钢机滚动轴承 故障诊断 小波包分析 奇异谱分析 支持向量机

【摘要】：近年来,钢铁需求不断增加,全球钢铁行业不断发展。轧钢机作为钢厂的主要生产设备,一旦发生故障会造成巨大经济损失,因此对轧钢机进行故障诊断研究极具必要性和重大的意义。 本文对轧钢机的常见故障进行了特征分析。轧钢机的振动故障主要有四钟,而轴承故障是四大故障之一,然后主要分析了轧钢机滚动轴承失效的表现和原因、轧钢机滚动轴承的工作特点。 本文提出了一种新的基于振动分析的故障诊断方法,基于小波包分析和奇异谱分析相结合最后利用支持向量机的故障诊断方法。首先,采用适用于非平稳、非线性的小波包分析方法进行信号的降噪处理,这种方法可以有效去除混杂在原始信号中的干扰信号,降低轧钢机滚动轴承故障诊断时的误差,并采用MATLAB软件对直流电机驱动的轧机轧辊轴承故障进行仿真分析,验证降噪的效果,接下来对轧钢机滚动轴承故障振动信号进行降噪处理。其次,针对于轧钢机滚动轴承变载荷、变转速的工作特点,采用了奇异谱分析(SSA)方法,一种振动信号的简单的时间序列故障特征提取方法。这种方法在分析时很容易实现,它把信号分解成一系列主要部分,用其对轧钢机滚动轴承故障振动信号进行提取故障特征,分别对比其能量谱与奇异谱和不同载荷下的奇异谱,然后选取能清楚区分滚动轴承故障状态的奇异值作为故障特征。在最后,建立-个最优支持向量机模型,把上一步选取出来的特征值作为支持向量机的输入,分别用滚动轴承正常状态、轴承内圈故障、轴承外圈故障和滚动体故障的振动信号特征对支持向量机进行训练,当其收敛时进行故障诊断。 验证结果显示,该方法不仅可以准确、有效地对轧钢机滚动轴承工作状态进行诊断,还能分析出其故障类型。
【关键词】：钢机滚动轴承 故障诊断 小波包分析 奇异谱分析 支持向量机
【学位授予单位】：沈阳工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH165.3;TG333
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-14
• 1.1 课题来源9
• 1.2 国内外研究现状9-12
• 1.2.1 轧钢技术的发展现状9-10
• 1.2.2 故障诊断技术的发展10-12
• 1.3 课题的目的和意义12-13
• 1.4 论文的主要内容与研究方法13-14
• 第2章 轧钢机故障机理分析14-20
• 2.1 轧钢机的构成14
• 2.2 轧钢机故障的特征分析14-15
• 2.3 轧钢机轴承15-18
• 2.3.1 轧钢机滚动轴承工作特点15-17
• 2.3.2 轧钢机轴承失效的表现和原因17-18
• 2.4 轧钢机振动信号分析18
• 2.5 本章小结18-20
• 第3章 轧钢机滚动轴承故障信号降噪理论20-34
• 3.1 小波包降噪方法基本理论20-22
• 3.1.1 小波分析20-21
• 3.1.2 小波包分析21-22
• 3.2 小波包方法应用于降噪的过程22-26
• 3.2.1 小波包分解层数研究23
• 3.2.2 阈值的选取方法23-26
• 3.3 轧钢机滚动轴承故障信号降噪模拟分析26-29
• 3.4 轧钢机滚动轴承小波包降噪分析29-33
• 3.5 本章小结33-34
• 第4章 轧钢机滚动轴承故障奇异谱分析方法34-42
• 4.1 奇异谱分析方法34-37
• 4.1.1 奇异谱分析基本原理34-35
• 4.1.2 奇异值特征抽取与奇异值向量排列35
• 4.1.3 奇异谱分析过程35-37
• 4.2 轧钢机滚动轴承振动信号奇异谱分析37-41
• 4.3 本章小结41-42
• 第5章 基于支持向量机的滚动轴承故障诊断42-48
• 5.1 支持向量机的基本原理42-44
• 5.2 支持向量机的基本方法与分类44-46
• 5.3 基于支持向量机的故障识别46-47
• 5.4 本章小结47-48
• 第6章 结论48-49
• 6.1 结论48
• 6.2 展望48-49
• 参考文献49-52
• 在学研究成果52-53
• 致谢53

【参考文献】

中国期刊全文数据库 前8条

1 李峰,张英堂,王宁,宋兵,周宝成;基于小波和奇异谱降噪理论的轴承故障诊断研究[J];轴承;2003年07期

2 王楠,孙凤久,陈长征;基于小波分析的低速重载轴承故障诊断[J];东北大学学报;2005年01期

3 杨桂芹;徐红莉;;基于最大信息熵的小波包阈值去噪语音增强算法[J];测控技术;2011年10期

4 鲁绪阁;范云霄;钱抗抗;;设备故障诊断技术综述及其发展趋势[J];矿山机械;2007年12期

5 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期

6 林近山;;基于经验模式分解和谱峭度的滚动轴承故障诊断[J];机械传动;2012年09期

7 郝刚;潘宏侠;;小波包降噪与HHT在齿轮箱滚动轴承中的故障诊断[J];矿山机械;2012年10期

8 房立清,米东,徐章遂,陈东根;基于奇异谱分析的发动机燃油系统故障诊断[J];燃烧科学与技术;2003年02期

，

本文编号：940227