提升机主轴装置故障检测与识别研究

发布时间：2020-11-03 03:36

　　 主轴装置是矿井提升机的核心部件,在提升机的运行提升过程中主轴装置几乎承受了所有动静载荷。主轴装置属于典型的转子-轴承系统,在长时间连续的变载荷高负荷工况下工作极易产生故障,主轴装置的故障类型分为单一故障和复合故障,复合故障的发生概率大于单一故障。主轴装置发生故障后产生的异常振动和附加噪声直接影响提升机的正常运行,将使矿井提升系统的整体工作性能下降,给矿业生产安全带来极大的安全隐患。本课题在国家重点研发计划项目“提升设备主轴等机械关键部件复合失效机理与可靠性评价技术研究”(2017YFF0210604)的资助下,开展提升机主轴装置故障检测与识别研究,对主轴装置关键部件展开单一故障和复合故障的故障特征提取和故障缺陷类型识别研究,为主轴装置的可靠运行提供重要理论依据。首先,开展主轴装置滚动轴承典型故障模拟试验,结合正常轴承工况下的振动信号,分析轴承在外圈、内圈和滚动体三种不同故障工况下振动信号的变化规律;利用EMD分解的方法对轴承故障信号进行特征提取;结合轴承故障的特征频率并利用振动信号固有模态能量熵对轴承不同的故障缺陷类型进行识别研究。其次,开展主轴装置主轴典型故障模拟试验,结合正常主轴工况下的振动信号,分析主轴在弯曲、不对中和弯曲与不对中复合等三种工况下振动信号的变化规律;根据主轴部件的振动特性,利用EMD分解的方法对主轴的故障信号进行特征提取;结合主轴故障的特征频率利用振动信号固有模态能量熵对主轴不同的故障缺陷类型进行识别研究。最后,开展主轴装置典型部件的复合故障试验,结合轴承、主轴的单一故障的振动信号的变化规律,探究主轴弯曲与轴承外圈、主轴不对中与轴承内圈的复合故障振动信号变化规律;结合轴承和主轴的单一故障特征频率,利用EMD分解的对复合故障信号进行特征提取提取;结合复合故障的特征频率利并用振动信号固有模态能量熵对不同复合故障的缺陷类型进行识别研究。
【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】：TD534
【部分图文】：

于国家重点研发计划项目课题“提升设备主轴等机械靠性评价技术研究”（2017YFF0210604）。及意义（Background Topics and Significa矿井的“咽喉”，它的作用是缠绕钢丝绳带动矿物、人下和地面的重要机械装置，是矿山生产中十分重要障不仅仅影响其自身的正常运行，故障引发的链式反成影响，严重时甚至造成机毁人亡的灾难性事故，对此，确保矿井提升机的安全运行具有十分重要的意要由主轴、滚动轴承、轴承座、轴承盖和卷筒等组成主轴装置在提升重物的过程中承受着不断变化的载障缺陷，主轴装置的承载能力和振动特性将会产生承出现故障后系统的性能出现下降，同时也给矿井生因此，针对矿山生产的特殊工况，开展矿井提升机主得十分必要。

工程硕士专业学位论文连接，轴承座一（5）和轴承座二（6）下方均通过螺栓固，轴承座一（5）和轴承座二（6）上均做成可分离式轴承座槽板（7）上加工有移动槽，便于移动轴承座一（5）和轴承轴（3）安装在轴承座一（5）和轴承座二（6）之间，主轴，绕线卷筒（8）通过螺栓与主轴（3）上的法兰盘固定连工成可分离式，便于安装更换主轴；磁粉测功机（9）为绕线磁粉测功机（9）的前端安装有扭矩传感器（10），磁粉测扭矩传感器（10）的输入轴通过联轴器三（11）连接，扭矩传收线卷筒（12）之间通过联轴器四（13）连接，收线卷筒轴承座一（14）和立式轴承座二（15）之间，收线卷筒（机（16），收线电机（16）的输出轴通过联轴器五（17），钢丝绳（18）一端固定在绕线卷筒（8），一端固定在收线

图 2-2 主轴装置故障诊断试验台实物图Figure 2-2 Physical diagram of the spindle unit fault diagnosis test bench主轴装置故障诊断试验台试验台整体系统框架如图 2-3，该试验台系统可分为动力提升装置、负载施加装置以及数据采集装置三大部分，其中动力提升装置包括伺服电机、减速机、绕线卷筒和主轴，伺服电机提供动力带动主轴以及其上的卷筒转动；负载施加装置主要包括磁粉测功机、扭矩传感器、收线卷筒和收线电机，磁粉测功机通过收线卷筒缠绕的钢丝绳对绕线卷筒施加负载；数据采集装置主要包括振动传感器、转速转矩测量仪、信号采集卡和信号调理器，通过信号采集卡采集转动传感器的信号，转速转矩测量仪控制调节测功机的参数和采集扭矩传感的参数，最后借助计算机采集软件采集试验过程中各关键测试参数。
【相似文献】

相关期刊论文 前10条

1 雷高伟;张清华;马春燕;熊建斌;何俊;王磊;;证据理论在复合故障诊断中的应用研究[J];组合机床与自动化加工技术;2014年02期

2 王煜,任为端;F99-Ⅳ型500mA X线机复合故障检修分析[J];临床放射学杂志;2002年10期

3 崔玲丽;莫代一;张建宇;;基于匹配追踪的快速独立分析方法在轴承复合故障盲源分离中的应用[J];北京工业大学学报;2014年06期

4 马红强,李晓光,王勇;EDR-750BX线机复合故障一例[J];医疗装备;2001年04期

5 岑健;李玉娜;;无量纲免疫支持向量机的复合故障诊断方法[J];计算机工程与应用;2013年15期

6 王斌;;新宇NC100型C臂X线机复合故障的检修[J];中国医疗设备;2008年04期

7 张应军;江永全;杨燕;张卫华;陈锦雄;;基于深度卷积神经网络的未知复合故障诊断[J];中国科技论文;2019年02期

8 万书亭;张雄;豆龙江;;强噪源干扰下的滚动轴承复合故障分离方法研究[J];中南大学学报(自然科学版);2018年08期

9 刘昱;高学军;龙志;付登昊;杨健;;基于复合故障率的电网差异化规划方法研究[J];陕西电力;2015年08期

10 朱承麟;电力系统复合故障简化计算[J];华东电力;1986年05期

相关博士学位论文 前7条

1 王学磊;变压器复合故障智能识别与热动力学焓变诊断技术研究[D];山东大学;2015年

2 李蓉;齿轮箱复合故障诊断方法研究[D];湖南大学;2013年

3 岑健;基于人工免疫系统的机组复合故障诊断技术研究[D];华南理工大学;2010年

4 王宏超;基于稀疏分解及图像稀疏表征的滚动轴承微弱故障诊断[D];上海交通大学;2015年

5 邓飞跃;滚动轴承故障特征提取与诊断方法研究[D];华北电力大学(北京);2016年

6 何玉灵;发电机气隙偏心与绕组短路复合故障的机电特性分析[D];华北电力大学;2012年

7 陈向民;基于形态分量分析和线调频小波路径追踪的机械故障诊断方法研究[D];湖南大学;2013年

相关硕士学位论文 前10条

1 蒋剑;基于深度卷积神经网络的旋转机械复合故障诊断方法研究[D];中国矿业大学;2019年

2 曹博博;提升机主轴装置故障检测与识别研究[D];中国矿业大学;2019年

3 林剑峰;转子系统复合故障的诊断方法研究[D];华北电力大学;2018年

4 孙宏健;面向稀疏表征的滚动轴承-转轴复合故障诊断方法研究[D];哈尔滨工业大学;2018年

5 侯晓玲;滚动轴承复合故障特征增强和智能识别方法研究[D];北京化工大学;2018年

6 殷俊;高速列车牵引传动系统复合故障的诊断方法研究[D];南京航空航天大学;2018年

7 唐春萍;高速列车牵引电机驱动系统复合故障诊断[D];南京航空航天大学;2018年

8 贺朋;基于奇异谱和深度信念网络的轴承单一及复合故障诊断[D];燕山大学;2018年

9 李嘉鹏;基于小波分析的齿轮箱复合故障诊断方法研究[D];大连交通大学;2017年

10 刘军委;基于盲源分离的滚动轴承复合故障诊断方法研究[D];重庆大学;2016年

本文编号：2868036