滚动轴承变工况条件下静电监测特征提取及故障程度识别方法研究

发布时间：2017-10-10 05:00

  本文关键词：滚动轴承变工况条件下静电监测特征提取及故障程度识别方法研究

  更多相关文章： 轴承 故障注入 变工况 静电监测 特征提取 故障程度识别

【摘要】：随着现代工业及科学技术的迅速发展，机电设备越来越向着大型化、复杂化、高速化、自动化和智能化方向发展，不仅每一台设备不同部件之间相互紧密配合，，而且不同设备之间也同样需要良好稳定的配合。滚动轴承作为旋转机械的重要部件，其性能退化或失效影响整体性能甚至导致设备非计划停机，造成经济损失甚至人员伤亡。如何能够保证维修的及时性，避免“维修不足”和“维修过剩”是现阶段需要解决的重要问题，因此对轴承进行故障程度的识别就变得尤为重要，要在设备发生故障时及时识别出故障程度并采取相应措施。 基于磨损区域的静电监测目前尚处于初步研究阶段，轴承在磨损的过程中会产生带电微粒。本文通过设计静电传感器，以此来监测实验中不同故障程度的滚动轴承运行时所产生的静电信号，提取静电信号的时域频域、EMD能量熵、小波能量谱熵以及奇异谱熵等多维特征，并对比PCA、LPP及OLPP三种多维特征参数维数约减方法，进而提出多维特征参数融合的轴承故障程度识别方法。 论文主要研究内容如下： （1）阐述了本文选题的背景和意义，通过国内外研究资料分析了性能退化评估、信号特征提取、维数约减方法、静电监测和变工况条件下轴承故障识别在国内外的发展状况，确立了本文的研究内容。 （2）介绍了磨损区域静电信号产生机理和静电监测原理，并设计了磨损区域静电传感器。改装了滚动轴承加速寿命疲劳试验台，并对滚动轴承注入不同大小尺寸的故障，进行了变工况条件下滚动轴承故障注入实验。 （3）研究了磨损区域静电监测信号的特征提取方法。通过实验结果比较了时域频域指标、EMD能量熵、小波能量谱熵和奇异谱熵几种特征参数对故障的识别能力。 （4）对监测信号的多维特征参数在计算过程中的冗余问题，提出要对多特征参数准确地提取内在结构，并减少高维数据的冗余性和不一致性，为此介绍了PCA，LPP以及OLPP算法，比较了这些算法结构上的优劣，并将所提取的不同故障程度的实验数据分别用PCA，LPP及OLPP方法进行降维，取前两维作图进行比对分析，综合分析结果表明本文采取的OLPP算法比PCA算法和LPP算法具有更好的局部保持能力和更准确的判断力。 （5）为解决单特征参数对轴承故障程度识别能力不足的问题，提出基于OLPP-GMM的多参数融合故障识别方法。利用正交局部保持投影后正常状态数据建立GMM模型，以NLLP表征测试数据与GMM模型的偏离程度作为反映故障程度的定量指标。结合滚动轴承变工况条件下提取的静电监测实验数据，NLLP指标能够定量的识别不同工况条件下的故障程度。
【关键词】：轴承 故障注入 变工况 静电监测 特征提取 故障程度识别
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH133.33;TH165.3
【目录】：

• 摘要4-6
• ABSTRACT6-8
• 目录8-11
• 图表清单11-13
• 缩略词13-14
• 第一章 绪论14-22
• 1.1 研究概述14-15
• 1.1.1 研究来源14
• 1.1.2 研究背景14-15
• 1.1.3 研究目的及意义15
• 1.2 国内外研究概述15-20
• 1.2.1 变工况条件下轴承故障识别的发展现状15-16
• 1.2.2 静电监测的研究现状16-17
• 1.2.3 信号特征提取的研究现状17-18
• 1.2.4 维数约减方法的研究现状18-20
• 1.2.5 性能退化评估方法现状20
• 1.3 论文结构安排20-22
• 第二章 静电传感器设计及实验装置说明22-35
• 2.1 引言22
• 2.2 滚动轴承磨损区域静电信号的产生机理22-23
• 2.3 静电传感器的设计23-25
• 2.3.1 静电传感器的结构23-24
• 2.3.2 静电监测原理24-25
• 2.4 实验说明及实验装置介绍25-33
• 2.4.1 滚动轴承加速疲劳寿命实验台25-28
• 2.4.2 数据采集系统28-29
• 2.4.3 轴承故障注入方法29-31
• 2.4.4 实验方案及流程31-32
• 2.4.5 结果分析32-33
• 2.5 本章小结33-35
• 第三章 滚动轴承信号的特征提取35-49
• 3.1 常规指标特征提取35-39
• 3.1.1 时域频域特征提取参数35-37
• 3.1.2 实验结果分析37-39
• 3.2 EMD 能量熵39-42
• 3.2.1 EMD 分解及 EMD 能量熵的概念40-41
• 3.2.2 实验结果分析41-42
• 3.3 小波能量谱熵42-45
• 3.3.1 小波分析及小波能量谱熵的概念42-43
• 3.3.2 实验结果分析43-45
• 3.4 奇异谱熵45-47
• 3.4.1 奇异谱分析及奇异谱熵概念45-46
• 3.4.2 实验结果分析46-47
• 3.5 本章小结47-49
• 第四章 多维特征参数维数约减方法49-56
• 4.1 引言49
• 4.2 PCA49-50
• 4.2.1 PCA 基本原理50
• 4.2.2 PCA 维数约减的作用50
• 4.3 LPP50-52
• 4.3.1 LPP 基本原理51-52
• 4.3.2 LPP 维数约减的作用52
• 4.4 OLPP52-53
• 4.4.1 OLPP 基本原理52-53
• 4.4.2 OLPP 维数约减的作用53
• 4.5 实验结果分析53-55
• 4.6 本章小结55-56
• 第五章 基于 GMM 的变工况条件下滚动轴承故障程度识别方法56-71
• 5.1 引言56
• 5.2 支持向量数据描述方法理论56-60
• 5.2.1 支持向量数据描述（SVDD）算法56-58
• 5.2.2 核函数的引入及选取58-60
• 5.3 高斯混合模型方法理论60-63
• 5.3.1 高斯混合模型方法描述60-61
• 5.3.2 EM 算法描述61-63
• 5.3.3 实验结果比较63
• 5.4 多参数融合的故障程度识别方法63-64
• 5.5 实验验证故障程度识别方法64-66
• 5.5.1 同转速不同载荷下的故障程度识别64-65
• 5.5.2 同载荷不同转速下的故障程度识别65
• 5.5.3 变工况条件下故障程度识别65-66
• 5.6 轴承故障静电监测信号处理与故障识别软件系统设计66-70
• 5.6.1 系统概述66
• 5.6.2 系统总体概要设计66
• 5.6.3 详细设计66-70
• 5.7 本章小结70-71
• 第六章 总结与展望71-73
• 6.1 本文完成的主要工作71
• 6.2 未来工作和展望71-73
• 参考文献73-81
• 致谢81-83
• 在学期间的研究成果及发表的学术论文83

【参考文献】

中国期刊全文数据库 前8条

1 张祥德;张大为;唐青松;陆小军;;仿生算法与主成分分析相融合的人脸识别方法[J];东北大学学报(自然科学版);2009年07期

2 张耀强;陈建军;邓四二;林立广;;考虑表面波纹度的滚动轴承-转子系统非线性动力特性[J];航空动力学报;2008年09期

3 耿俊豹;黄树红;陈非;刘伟;;基于信息熵贴近度的旋转机械故障诊断[J];华中科技大学学报(自然科学版);2006年11期

4 战明学;;高速滚子轴承中滚子运动规律的试验研究[J];辽宁机械;1982年05期

5 邢修三;熵产生率公式及其应用[J];物理学报;2003年12期

6 李绍成;左洪福;;磨粒在线监测静电传感器设计[J];压电与声光;2010年02期

7 许传龙;汤光华;杨道业;周宾;潘琦;邵理堂;王式民;;静电传感器灵敏场有限元仿真研究[J];仪器仪表学报;2007年07期

8 谢平;杜义浩;;基于信息熵的转子动力特征分析与诊断方法研究[J];振动与冲击;2009年02期

中国博士学位论文全文数据库 前1条

1 刘秀海;高速滚动轴承动力学分析模型与保持架动态性能研究[D];大连理工大学;2011年

本文编号：1004429