基于小波分析的滚动轴承故障诊断方法研究

基于小波分析的滚动轴承故障诊断方法研究

论文摘要

滚动轴承是旋转机械中应用最为广泛的机械零件,也是最易损坏的元件之一。旋转机械的许多故障都与滚动轴承有关,轴承工作性能的好坏直接影响到与之相关联的轴以及安装在转轴上的齿轮乃至整台机器设备的性能。其缺陷通常使设备产生异常的振动和噪声,发展成故障就将造成设备损坏,甚至发生灾难性事故。因此,开展对滚动轴承的故障诊断具有很现实的意义。本文从理论上分析总结了滚动轴承典型故障产生的机理,并建立了不同故障状态下的理论模型。滚动轴承的振动信号相当复杂,除反映有关轴承本身工作情况的信息外,也包含了大量机械中其它运动部件和结构的信息。因此如果仅仅只从时域或频域对滚动轴承的振动信号进行分析,则很难发现故障前后的变化,而联合时频域的特性来识别这类信号,提供时频域的综合信息,无疑会提高诊断的准确性和可靠性,于是提出并研究了一种新的滚动轴承故障诊断技术—基于小波分析的时频诊断法。为了精确诊断故障类型,本文提出应用小波包多层分解、重构的方法提取滚动轴承各部件的故障特征频率。根据小波包分析的特点、性质最大分解尺度下的低频系数代表着信号的发展趋势,借此可以粗略判断滚动轴承的运行状况是否正常,并且该方法可以提取任意频段的特征频率,有效抑制噪声,为强噪声下提取弱信号开辟了新思路。而将所提取的特征频率与理论计算的故障特征频率进行比照,可对故障进行准确定位。经过大量实测数据的处理和分析,诊断结果是令人满意的,这说明小波包分析确实为滚动轴承故障诊断提供了强有力的分析手段。

论文目录

  • 中文摘要
  • Abstract
  • 第一章 绪论
  • 1.1 设备故障诊断技术的意义和内容
  • 1.2 滚动轴承故障诊断的意义和发展概况
  • 1.3 本文的主要研究内容
  • 第二章 滚动轴承的故障特征分析
  • 2.1 滚动轴承失效的基本形式
  • 2.1.1 滚动轴承的磨损失效
  • 2.1.2 滚动轴承的疲劳失效
  • 2.1.3 滚动轴承的腐蚀失效
  • 2.1.4 滚动轴承的压痕失效
  • 2.1.5 滚动轴承的断裂失效
  • 2.1.6 滚动轴承的胶合失效
  • 2.2 滚动轴承的振动机理
  • 2.3 滚动轴承故障的振动诊断
  • 2.3.1 低频段的旋转特征频率
  • 2.3.2 高频段的固有振动频率
  • 2.3.3 滚动轴承有异常时的振动特性
  • 2.4 滚动轴承元件表面有损伤点的理论模型
  • 2.4.1 外环上有单个损伤点的理论模型[15]
  • 2.4.2 内环上有单个损伤点的理论模型
  • 2.4.3 单个滚动体上有单个损伤点的理论模型
  • 2.5 滚动轴承的振动监测方法
  • 2.5.1 测量位置和方向的选择
  • 2.5.2 测量参数的选择
  • 2.5.3 测量周期的确定
  • 2.5.4 测量标准的确定
  • 第三章 滚动轴承传统故障特征提取方法
  • 3.1 振动信号的时域监测
  • 3.2 振动信号的频域分析
  • 3.3 振动信号的共振解调分析
  • 3.4 传统特征提取方法存在的问题
  • 第四章 小波分析基本理论
  • 4.1 从傅利叶变换到小波变换
  • 4.2 小波变换的定义
  • 4.2.1 连续小波变换的定义和性质
  • 4.2.2 离散小波变换的定义
  • 4.3 小波框架理论
  • 4.4 多分辨分析
  • 4.5 小波包分析
  • 4.5.1 小波包的定义
  • 4.5.2 小波包的空间分解
  • 4.5.3 小波包分解和重构算法
  • 4.5.4 基于小波包变换的时频分析法
  • 4.6 小波变换在故障诊断中的应用
  • 4.6.1 基本原理
  • 4.6.2 故障诊断中几种常用的小波
  • 第五章 滚动轴承故障诊断实验研究
  • 5.1 滚动轴承振动测试实验
  • 5.1.1 实验对象
  • 5.1.2 实验装置
  • 5.1.3 实验仪器及设备
  • 5.1.4 测试系统
  • 5.1.5 测点的布置及传感器的选择
  • 5.1.6 实验说明及步骤
  • 5.2 MATLAB 简介
  • 5.2.1 MATLAB 的组成
  • 5.2.2 MATLAB 的特点
  • 5.3 基于小波包时频分析法的MATLAB 实现及分析结果
  • 5.3.1 基于小波包时频分析的MALAB 实现[40,41]
  • 5.3.2 小结
  • 第六章 结论与研究展望
  • 6.1 结论
  • 6.2 研究展望
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].利用包络解调技术分析诊断滚动轴承故障[J]. 冶金动力 2020(01)
    • [2].基于多特征提取和改进马田系统的滚动轴承故障分类方法研究[J]. 振动与冲击 2020(06)
    • [3].关于滚动轴承故障检测的改进包络分析[J]. 科技创新导报 2020(04)
    • [4].滚动轴承故障诊断技术[J]. 福建电脑 2020(06)
    • [5].滚动轴承故障诊断方法综述[J]. 内燃机与配件 2019(23)
    • [6].经验模态分解和神经网络在滚动轴承故障诊断中应用研究[J]. 安徽建筑大学学报 2016(04)
    • [7].基于包络谱分析的滚动轴承故障诊断方法研究[J]. 煤矿机械 2017(02)
    • [8].排列熵与核极限学习机在滚动轴承故障诊断中的应用[J]. 组合机床与自动化加工技术 2017(02)
    • [9].非平稳工况的滚动轴承故障特征研究新方法[J]. 机械设计与研究 2017(01)
    • [10].基于压缩信息特征提取的滚动轴承故障诊断方法[J]. 中国机械工程 2017(07)
    • [11].循环平稳在滚动轴承故障诊断中的应用[J]. 军事交通学院学报 2017(06)
    • [12].基于小波包分解与权重包络谱的滚动轴承故障特征增强[J]. 机械设计与研究 2017(03)
    • [13].滚动轴承故障诊断实例[J]. 设备管理与维修 2016(10)
    • [14].低转速设备滚动轴承故障诊断技巧[J]. 科学技术创新 2020(10)
    • [15].基于机器学习算法的滚动轴承故障诊断研究[J]. 组合机床与自动化加工技术 2020(07)
    • [16].变转速下滚动轴承故障诊断方法研究现状分析[J]. 军事交通学院学报 2019(07)
    • [17].基于嵌入式系统的滚动轴承故障实时诊断[J]. 现代电子技术 2017(07)
    • [18].基于小波变换的滚动轴承故障信号降噪研究[J]. 自动化应用 2017(08)
    • [19].灰色极限学习机在滚动轴承故障预测中的应用[J]. 计算机测量与控制 2017(07)
    • [20].经验模式分解在滚动轴承故障诊断中的应用[J]. 军事交通学院学报 2016(09)
    • [21].基于广义S变换的滚动轴承故障诊断方法研究[J]. 机床与液压 2015(01)
    • [22].基于熵特征和堆叠稀疏自编码器的滚动轴承故障诊断方法[J]. 工业控制计算机 2020(10)
    • [23].一种改进的滚动轴承故障诊断方法[J]. 机械制造 2012(05)
    • [24].神经网络在滚动轴承故障诊断中的应用[J]. 装备制造技术 2010(01)
    • [25].石化企业电机滚动轴承故障诊断模型研究[J]. 企业技术开发 2008(09)
    • [26].基于多自由度的小波包滚动轴承故障诊断方法[J]. 上海电机学院学报 2016(06)
    • [27].基于变分模态分解改进方法的滚动轴承故障特征提取[J]. 图学学报 2016(06)
    • [28].基于复合多尺度熵与拉普拉斯支持向量机的滚动轴承故障诊断方法[J]. 中国机械工程 2017(11)
    • [29].形态分量分析在滚动轴承故障诊断中的应用[J]. 工程科学学报 2017(06)
    • [30].基于稀疏带宽模态分解的变转速滚动轴承故障诊断[J]. 振动与冲击 2017(14)

    标签:;  ;  ;  ;  

    基于小波分析的滚动轴承故障诊断方法研究
    下载Doc文档

    猜你喜欢