滚动轴承性能退化评估技术研究

发布时间：2017-07-19 10:30

  本文关键词：滚动轴承性能退化评估技术研究

  更多相关文章： 滚动轴承 性能退化评估 小波滤波 特征提取 SVDD

【摘要】：滚动轴承是旋转机械中的常用零部件,其故障(损伤)是旋转机械失效的重要原因。当前针对轴承故障有无及其类型诊断的研究较多,而针对轴承性能退化(损伤发展)程度评估的研究较少。如果能够在设备运行过程中,对轴承的性能退化进行有效评估,那么就可以科学合理地组织生产和维护设备,缩短停机维修时间,提高设备利用率和可靠性,有效降低机器全寿命周期费用。本文基于振动信号,针对滚动轴承性能退化评估过程中的信号带通滤波、特征提取和评估模型构造等问题,运用信号处理和模式识别理论,对滚动轴承性能退化评估技术进行了一系列的研究。具体研究工作内容如下:(1)信号滤波方面。分析了滚动轴承性能退化时的振动机理,并利用Morlet小波滤波器对采集的振动信号滤波,获取周期性冲击信号,用于下一阶段的特征提取研究。在Morlet小波滤波器设计方面,以最小Shannon熵作为适应度函数,提出了基于带约束粒子群优化算法(PSO)的滤波器构造方法。基于仿真信号和实验台信号,对该滤波器的滤波效果进行了验证,结果表明该滤波器能够有效获取周期性冲击成分。(2)特征提取方面。从单调趋势的角度研究了多种工况条件下轴承性能退化评估的特征提取方法。首先,提出了基于Hilbert解调的包络幅值谱熵、基于小波包分解的能量比和谱线跨度等三个特征,并对它们的性能进行了分析;结果表明,针对多种工况条件,上述三特征均可单调反映轴承性能退化程度。其次,介绍了传统特征(均方根和峭度指标)和文献中的特征(DFA指数、幅值谱熵和基于AR模型的能量比),并将它们与本文提出的特征进行了对比;结果表明,本文提取的三个特征能够更好地反映多种工况条件下轴承性能退化程度。(3)评估模型方面。首先,提出了基于单调特征融合的性能退化性评估模型,并结合试验台数据验证了该模型的有效性,结果表明该模型能够有效评估滚动轴承性能退化程度。其次,介绍了基于SVDD的性能退化评估模型,并根据设备性能退化的渐进性和非减性特点对该模型进行了改进,验证结果表明,改进后的模型优于原模型。本文研究结果表明,将文中提出的特征与评估模型相结合,能够实现对多种工况条件下滚动轴承性能退化的有效评估。
【关键词】：滚动轴承 性能退化评估 小波滤波 特征提取 SVDD
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH133.33
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-17
• 1.1 课题研究背景和研究意义10-11
• 1.2 国内外研究现状11-15
• 1.2.1 故障诊断信号处理技术12-14
• 1.2.2 故障诊断模式识别技术14-15
• 1.3 本文主要研究内容15-16
• 1.4 本文章节安排16-17
• 第二章 基于粒子群优化算法的小波滤波方法17-33
• 2.1 滚动轴承故障的振动信号特征17-19
• 2.2 小波滤波器分析19-23
• 2.2.1 连续小波变换19-20
• 2.2.2 Morlet小波滤波器20-21
• 2.2.3 滤波器参数优化策略21-23
• 2.3 粒子群优化算法23-28
• 2.4 性能评价28-32
• 2.5 本章小结32-33
• 第三章 滚动轴承性能退化的特征提取33-83
• 3.1 包络幅值谱熵特征及其性能分析33-59
• 3.1.1 希尔伯特解调33-34
• 3.1.2 包络幅值谱熵34-35
• 3.1.3 特征性能分析35-59
• 3.1.3.1 基于单点损伤36-48
• 3.1.3.2 基于非单点损伤48-59
• 3.2 小波包分解能量比特征及其性能分析59-66
• 3.2.1 小波包分解原理60-61
• 3.2.2 能量比特征61-62
• 3.2.3 特征性能分析62-66
• 3.2.3.1 基于单点损伤62-64
• 3.2.3.2 基于非单点损伤64-66
• 3.3 谱线跨度特征及其性能分析66-74
• 3.3.1 谱线跨度特征66-68
• 3.3.2 特征性能分析68-74
• 3.3.2.1 基于单点损伤68-71
• 3.3.2.2 基于非单点损伤71-74
• 3.4 特征性能对比74-82
• 3.4.1 传统特征74-77
• 3.4.2 DFA指数77-78
• 3.4.3 幅值谱熵78-80
• 3.4.4 基于AR模型的能量比80-82
• 3.4.5 对比分析82
• 3.5 本章小结82-83
• 第四章 性能退化评估模型83-93
• 4.1 基于单调特征的性能退化评估模型83-86
• 4.1.1 评估模型83-85
• 4.1.2 模型验证85-86
• 4.2 基于SVDD的性能退化评估模型86-92
• 4.2.1 SVDD的基本原理86-88
• 4.2.2 评估模型88-90
• 4.2.3 模型验证90-92
• 4.3 本章小结92-93
• 第五章 结论和展望93-95
• 5.1 本文总结93-94
• 5.2 研究展望94-95
• 致谢95-96
• 参考文献96-101

【参考文献】

中国期刊全文数据库 前1条

1 文莉,刘正士,葛运建;小波去噪的几种方法[J];合肥工业大学学报(自然科学版);2002年02期

中国博士学位论文全文数据库 前1条

1 毕果;基于循环平稳的滚动轴承及齿轮微弱故障特征提取应用研究[D];上海交通大学;2007年

中国硕士学位论文全文数据库 前1条

1 车勋建;基于有序决策树的故障程度诊断研究[D];哈尔滨工业大学;2011年

，

本文编号：562446