滚动轴承振动信号处理与故障辨识方法研究

发布时间：2020-07-04 16:41

【摘要】：近年来，滚动轴承状态监测与故障诊断方面的研究工作受到越来越多的重视，相关的理论研究也得到迅速的发展。通常，轴承状态监测与故障诊断理想的手段都是基于振动信号处理这种方式开展的。本文详细的介绍了信号的降噪、信号的局部均值分解方法以及神经网络在故障诊断中的应用，并提出了一种基于局部均值分解和概率神经网络的轴承故障诊断的方法。 同时，结合轴承试验台上模拟的四种模式下的数据，采用最大相关峭度反卷积法对原始信号进行降噪处理，然后对降噪后的信号进行局部均值分解以便更好地提取信号的故障特征，并以各个特征构成的特征向量作为概率神经网络的样本完成故障辨识。本文的主要工作及研究结论如下： (1)阐述了传统时频分析方法在非平稳信号中的应用，指出其存在的缺陷。分析滚动轴承故障的机理并对三种故障模式和一种正常模式的信号通过一种全新的降噪方法进行降噪。针对滚动轴承振动信号的特点，采用一种新的自适应信号处理方法—局部均值分解方法对轴承振动信号进行分解，分离出反映轴承振动情况的各个分量。 (2)局部均值分解算法包含三个重要的循环过程，三个循环使得信号分解速度较慢。针对局部均值分解较慢的问题结合实际工程应用进行了相应的改进，提高了信号分解速度，减少了工程分析量。 (3)将局部均值分解方法与概率神经网络相结合完成了滚动轴承的故障辨识。对局部均值分解得到的PF分量进行特征提取组成特征向量作为概率神经网络的输入样本进行故障诊断，通过实验验证表明本方法可以有效地识别轴承的故障类型。 (4)开发了一套可以在离线状态下对滚动轴承振动信号进行时域分析、频域分析、时频分析及对轴承四种模式下的样本进行识别的系统，并基于MATLAB GUI完成了系统的开发。这套系统包括两个子系统，子系统一可以使信号处理与分析更加直观化和简单化，子系统二可对四种模式下的样本进行识别完成轴承的故障诊断。 局部均值分解理论在轴承故障诊断领域带来了研究热潮，在轴承振动信号的处理方面值得进一步深入地研究。
【学位授予单位】：兰州理工大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TH165.3;TH133.33
【图文】：

滚动轴承振动信号处理与故障辨识方法研究处理。将采集到的信号进行适当的变换与处理，把能够出来。识别。根据掌握的故障征兆信息和状态参数，判断设备找出故障发生原因。技术。对已经辨识出来的故障进行预测，预测故障的发最理想的故障诊断技术大都基于设备的振动信号，诊断完成[2]。

滚动轴承结构示意图

【参考文献】

相关期刊论文 前10条

1 王建华;袁力;;无失效数据下失效概率的多层Bayes和E Bayes估计的性质[J];工程数学学报;2010年01期

2 曾庆虎;邱静;刘冠军;谭晓栋;;小波相关特征尺度熵在滚动轴承故障诊断中的应用[J];国防科技大学学报;2007年06期

3 杨宇;杨丽湘;程军圣;;基于LMD和AR模型的转子系统故障诊断方法[J];湖南大学学报(自然科学版);2010年09期

4 姚竹亭;潘宏侠;陈岳良;;分形理论在装甲车辆滚动轴承故障诊断中的应用[J];火炮发射与控制学报;2009年04期

5 陈祥龙;胡春艳;梅检民;肖云魁;贾继光;;基于非线性小波变换和经验模式分解的轴承故障特征提取[J];军事交通学院学报;2011年11期

6 陈新,黄洪钟,黄文培,姚新胜;分形理论及其在机械工程中的应用[J];机械科学与技术;2000年05期

7 钱鹏江;王士同;邓赵红;;基于稀疏Parzen窗密度估计的快速自适应相似度聚类方法[J];自动化学报;2011年02期

8 胡劲松;杨世锡;任达千;;基于样条的振动信号局域均值分解方法[J];数据采集与处理;2009年01期

9 李常有;徐敏强;郭耸;;声信号的主分量分析应用于滚动轴承故障诊断[J];声学技术;2008年02期

10 陈保家;何正嘉;陈雪峰;訾艳阳;;机车故障诊断的局域均值分解解调方法[J];西安交通大学学报;2010年05期

相关博士学位论文 前1条

1 蔡权伟;多分量信号的信号分量分离技术研究[D];电子科技大学;2006年

相关硕士学位论文 前1条

1 谢亮;基于独立分量分析特征提取方法的研究及其应用[D];浙江师范大学;2009年

本文编号：2741324