基于AELIMD和ELM的煤矿通风机轴承在线故障诊断

发布时间：2020-10-13 08:59

　　 煤矿通风机作为矿井通风系统的命脉设备,其旋转机械的本质导致其轴承成为广大煤矿安全工作者的重点关注对象,因此,对煤矿通风机轴承进行状态监测和诊断是保证煤矿安全生产的重要前提。根据轴承运行状态与其振动信号之间的内在联系,本文选取轴承振动信号为研究对象,对其特征信息的提取和诊断分类展开分析和研究,并利用LabVIEW完成了滚动轴承的在线故障诊断。在轴承振动信号的特征信息获取上,本文针对经验模态分解(EMD)方法在处理实际信号时存在的三个问题,进行了分析改进:对于端点效应问题的抑制,提出使用支持向量回归机(SVR)对振动信号两端进行延拓;对于模态混叠问题的改善,提出使用自适应集总局部积分均值分解(AELIMD)对振动信号进行分解;在虚假分量问题上,对IMF分量和原始振动信号进行相关系数计算,从而排除虚假分量的影响。接着根据IMF分量的频率特性和幅值差异,提出使用IMF能量向量和IMF排列熵向量分别作为振动信号的特征向量,并以实际轴承故障数据设计特征提取实验,对两种提取方法进行重复稳定性和实用性对比,证明了排列熵特征提取方法的优越性。在轴承故障分类方法上,本文针对极限学习机(ELM)中随机产生的隐含层参数对分类性能的影响,提出使用烟花优化算法(FWA)对ELM的隐含层参数进行寻优计算,并结合排列熵特征提取方法构建出基于FWA-ELM的轴承故障诊断模型;最后,通过实际轴承故障数据,与传统的SVM、BP、PSO-ELM分类方法进行对比诊断实验,证明了FWA-ELM轴承故障诊断模型的有效性和优越性。在轴承在线故障诊断上,本文使用LabVIEW设计出了采集存储、常规分析、特征提取、诊断分类四个功能模块,并结合在线故障诊断的时间连续性,设计出了轴承在线故障诊断平台,然后通过SQI机械故障模拟发生实验台,对所设计的在线故障诊断平台进行了可行性和准确性验证。
【学位单位】：中国矿业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TD441
【部分图文】：

前一章对信号分解算法的分析，本文确定以 AELIMD 作为算法；并以 SVR 延拓方法作为信号的初始端处理方法，的端点效应。本章将以已有的轴承故障模拟发生平台作为数 AELIMD 完成轴承故障振动信号的 IMF 分量提取；并根据分和幅值的变化特性，从能量分布和信号数据随机程度两个信号的特征提取。障数据来源及其特点 (Source of Fault Signaeristics)以上海频询仪器公司的机械故障综合模拟实验台(图 4-1)作行滚动轴承不同工作状态下的振动信号测取实验，使用该障标准套件(M-BFK-1)作为实验数据测取对象，结合加速度公司的数据采集卡(USB-1608GX-2AO)和 LabVIEW 搭建出块。

图 4-2 LabVIEW 数据采集模块Figure 4-2 LabVIEW data acquisition module每种状态运行 10min，总共获得 4*600*1000 个数据，从每种状态的振动数据中取 3000 个数据，其时域波形如图 4-3 所示，为了更加明显的观察轴承不同工作状态下的振动信号特点，给出其对应的频谱如图 4-4 所示。-0.500.5正常-202内圈故障-4-2024外圈故障0 0.5 1 1.5 2 2.5 3-101时间t/s滚动体故障

图 6-1 LabVIEW 的具体呈现形式Figure 6-1 The specific presentation form of LabVIEW6.2 程序结构设计(Program Structure Design)基于 LabVIEW 的轴承故障诊断程序应该具有以下几种功能：(1) 为了应对不同的轴承故障诊断方案，该程序应该给用户预留常规数据的配置窗口，尤其是针对不同类型轴承故障诊断的训练样本输入功能窗口。(2) 该程序应该具有振动数据采集、储存、显示等常规功能。(3) 该程序不仅应该有本文所提的特征提取和故障诊断功能模块，而且还需要有常规的时域和频域分析功能。根据上述对程序所需功能的要求，结合轴承故障诊断流程，给出该程序的基本结构如图 6-2 所示。矿井通风机轴承故障诊断
【相似文献】

相关期刊论文 前10条

1 蒋丽英;李茜茜;崔建国;席剑辉;;变载荷条件下的滚动轴承在线故障诊断方法[J];轴承;2016年06期

2 赵淳生;鲍明;;“轧钢机系列轴承在线故障诊断技术”的研究[J];振动.测试与诊断;1988年03期

3 殷子锋;;轨道车辆在线故障诊断产品的风险评价研究[J];管理观察;2016年05期

4 赵刚;夏向阳;;变压器油在线故障诊断技术及发展[J];长沙电力学院学报(自然科学版);2006年04期

5 王天福;;基于数据挖掘的风力发电设备在线故障诊断平台[J];科技与创新;2016年10期

6 潘桦;水泥生产在线故障诊断系统[J];微计算机信息;2000年01期

7 杨琳霞;;基于振动法的变压器在线故障诊断的研究[J];大众科技;2010年09期

8 孙传明;基于Intranet/Internet网络的压缩机组在线故障诊断系统[J];中国设备工程;2003年08期

9 刘树林,黄文虎,王日新,时文刚;基于免疫系统的往复泵在线故障诊断方法[J];中国机械工程;2002年08期

10 苏宝林;李震;;基于最大异类距离和正则极端学习机的模拟电路在线故障诊断[J];仪表技术与传感器;2017年02期

相关博士学位论文 前1条

1 周子冠;电网多数据源在线诊断方法研究[D];中国电力科学研究院;2010年

相关硕士学位论文 前10条

1 周成;基于AELIMD和ELM的煤矿通风机轴承在线故障诊断[D];中国矿业大学;2019年

2 郑芳雄;化工企业在线故障诊断系统设计与实现[D];大连理工大学;2013年

3 张春燕;变压器在线故障诊断技术研究[D];华北电力大学;2013年

4 袁卫波;基于CAN总线的车辆在线故障诊断系统[D];长安大学;2012年

5 徐阳;基于ARM+DSP的准在线故障诊断系统软件系统关键技术的研究[D];郑州大学;2011年

6 王小鹏;基于小波变换和数据挖掘的风电机在线故障诊断[D];兰州理工大学;2010年

7 成振华;基于神经网络的直流电机在线故障诊断研究[D];华南理工大学;2017年

8 郭凯;基于GPRS抽油机在线故障诊断监控器的研究与设计[D];兰州理工大学;2009年

9 吴锦龙;基于标绘台的在线故障诊断与系统重构技术研究[D];哈尔滨工程大学;2014年

10 何吉柱;AMT电控系统在线故障诊断与处理技术的研究[D];合肥工业大学;2010年

本文编号：2838973