论文摘要
本文针对滚动轴承的声学检测与故障声发射信号的分析技术展开研究。分别对滚动轴承故障声学检测实验、滚动轴承故障声发射信号传播特性研究、滚动轴承故障声发射信号小波分析方法研究以及神经网络技术用于滚动轴承故障模式识别等几方面进行了研究。通过对三种不同类型的人工缺陷滚动轴承进行非接触式以及接触式两种测试方法的声学检测实验研究,获取了大量的故障声发射信号,实验研究证明滚动轴承有故障发生时会产生声发射源,这为将声学方法引入滚动轴承故障检测提供了实验依据。本文针对滚动轴承故障声发射信号,对其在空气中传播特性进行了理论研究。研究表明:声波在空气传播过程中由于受空气吸收的影响,低频声波在空气中可以传播很远的距离,而高频声波很快就衰减掉了,由于这一特性,非接触式声学实验所得信号频率主要集中在低频段。并利用参量分析的方法对轴承有无故障进行初步判断,结合轴承故障特征频率,对轴承故障信号的周期性进行研究,对故障发生位置做出有效判定。根据声发射信号的特点,确定故障声发射信号小波分析的小波基选取方法,提取能量系数作为特征向量,结合波形分析,对实验所得声发射信号进行消噪处理,并利用功率谱分析了其频率特性。并应用神经网络技术,提取上升时间、振铃计数、能量、持续时间和幅度五个特征参数组成特征向量,对轴承故障类型以及严重度进行了模式识别计数研究,取得了良好的效果。论文对滚动轴承的非接触式声学检测以及信号处理技术进行了系统研究。研究结果为将声学技术引入旋转设备、可移动式设备的在线检测与评价提供了科学依据,对轴承故障诊断技术的研究发展具有一定的现实意义。
论文目录
摘要ABSTRACT创新点摘要前言第一章 滚动轴承声学检测实验研究1.1 引言1.2 实验目的及内容1.3 实验系统1.3.1 实验原理及装置示意图1.3.2 实验轴承的选择1.3.3 轴承上人工缺陷的制作1.3.4 声学检测仪器的选择1.3.5 传感器的选择1.3.6 前置放大器的选择1.3.7 实验过程1.4 实验数据分析1.5 小结第二章 滚动轴承声源产生机理及声传播特性研究2.1 引言2.2 滚动轴承声源产生机理2.2.1 滚动轴承故障分类2.2.2 滚动轴承运转当中的声发射现象2.3 滚动轴承声发射信号传播特性理论研究2.3.1 声波的波动方程2.3.2 固体中声传播特性2.3.3 空气中声传播特性2.4 小结第三章 滚动轴承声发射信号的参量分析研究3.1 引言3.2 声发射表征参量的分类3.2.1 非统计参量的表征方法3.2.2 统计参量的表征方法3.3 滚动轴承声发射信号的参量分析3.3.1 滚动轴承非接触式检测方法与接触式检测方法参量对比分析3.3.2 滚动轴承非接触式声学测试信号参量分析3.4 滚动轴承故障参量识别方法研究3.4.1 统计参量分析用于滚动轴承故障识别3.4.2 滚动轴承撞击信号周期性规律验证3.5 小结第四章 滚动轴承故障声发射信号小波分析方法研究4.1 引言4.2 滚动轴承故障声发射信号的特点4.3 滚动轴承故障声发射信号小波基选取及分解尺度选择4.3.1 常用小波4.3.2 小波最佳基的选取4.3.3 小波分解尺度选择4.3.4 小波消噪原理4.4 滚动轴承故障声发射信号特征参量的提取4.5 滚动轴承故障声发射信号数据分析4.5.1 滚子故障声发射信号数据分析4.5.2 外圈故障声发射信号数据分析4.5.3 混合故障声发射信号数据分析4.6 小结第五章 神经网络技术在滚动轴承故障模式识别中的应用5.1 引言5.2 BP 网络简介5.2.1 BP 网络模型5.2.2 BP 网络结构5.2.3 BP 网络学习5.2.4 BP 网络样本训练5.3 特征参数的提取及预处理5.3.1 特征参数的提取5.3.2 特征信号的归一化处理5.4 滚动轴承故障模式识别的BP 网络结构设计5.4.1 隐层数的确定5.4.2 隐层结点数的确定5.4.3 输入层与输出层节点数的确定5.4.4 传递函数的选择5.5 BP 神经网络用于滚动轴承故障类型的识别5.5.1 基于BP 神经网络的轴承故障模式识别步骤5.5.2 网络结构与状态编码5.5.3 诊断实例5.6 BP 神经网络用于滚动轴承故障严重度的识别5.6.1 训练网络及步骤5.6.2 诊断实例5.7 小结结论参考文献发表文章目录致谢详细摘要
相关论文文献
标签:滚动轴承论文; 故障诊断论文; 声学论文; 非接触式论文; 小波分析论文; 模式识别论文;