基于EMD的异步电动机轴承故障诊断技术的研究

论文摘要

在工程实际中,环境影响、电机固有不对称、噪声干扰等因素将导致电机体现某些“虚假”特征,这可能混淆电机轴承初发故障特征,造成误判。如何兼顾高灵敏度与高可靠性,实现异步电动机轴承初发故障检测已经成为当前待解决的关键问题、难点问题。传统的异步电动机轴承初发故障检测的信号处理方法都是基于傅立叶变换的,而傅立叶变换只能分析频率不随时间变换的线性、平稳信号。因此本文将一种新的信号分析方法——经验模态分解法(EMD)引入到异步电动机滚动轴承故障诊断当中。EMD适合于分析非线性、非平稳信号序列,具有很高的信噪比。本文目的在于研究用EMD分解法和Hilbert边际谱来对异步电动机滚动轴承进行故障诊断,其主要内容如下:1.介绍异步电动机故障和滚动轴承故障诊断基础知识。研究了滚动轴承振动信号产生的机理,滚动轴承故障的形式,以及不同的振动类型,并给出了故障特征频率的计算公式,说明了利用滚动轴承振动信号对其进行诊断的可行性。2.对EMD分解法的理论进行了研究,探讨了该方法产生的端点效应问题,提出了改进的信号延拓技术;利用Matlab编写了EMD分解法以及其后的Hilbert边际谱的整套程序,以仿真信号进行分析,验证了该方法有效性。3.做异步电动机轴承的故障实验,利用采集到的异步电动机滚动轴承保持架故障数据做EMD分解并对其进行Hilbert边际谱分析,进行故障诊断,结果表明此方法有效的诊断了异步电动机轴承早期较弱的故障;并引用他人实验的滚动轴承内圈故障数据做EMD分解并对其进行Hilbert边际谱分析,进行故障诊断,获得较好的诊断结果。

论文目录

• 摘要
• Abstract
• 1. 绪论
• 1.1 异步电动机轴承故障诊断的意义
• 1.2 轴承故障诊断技术国内外的发展现状
• 1.2.1 国外的发展现状
• 1.2.2 国内的发展现状
• 1.3 常用的异步电动机轴承故障诊断方法
• 1.4 异步电动机轴承振动分析方法
• 1.5 本论文的主要工作
• 2. 异步电动机轴承故障诊断基础
• 2.1 异步电动机故障诊断基础
• 2.1.1 异步电动机结构与工作原理
• 2.1.2 异步电动机主要的故障类型
• 2.1.3 异步电动机故障监测的主要方法
• 2.2 异步电动机轴承故障诊断基础
• 2.2.1 轴承的结构
• 2.2.2 轴承的失效形式
• 2.2.3 异步电动机轴承故障的振动诊断方法
• 2.3 本章小结
• 3 .EMD 方法原理概述
• 3.1 概述
• 3.2 经验模态分解方法（ EMD ）的基本原理
• 3.2.1 特征尺度参数
• 3.2.2 瞬时频率和本征模态函数IMF
• 3.2.3 经验模态分解EMD
• 3.2.4 EMD 方法的特点
• 3.3 Hilbert 变换和Hilbert 边际谱
• 3.3.1 Hilbert 变换的基本原理
• 3.3.2 基于EMD 的Hilbert 变换
• 3.4 EMD 分解和Hilbert 边际谱的仿真信号分析
• 3.5 本章小结
• 4.E MD 分析方法的端点效应问题的研究
• 4.1 EMD 分析方法的端点效应问题
• 4.2 处理端点效应的延拓算法
• 4.2.1 镜像延拓算法
• 4.2.2 神经网络延拓算法
• 4.2.3 多项式拟合算法
• 4.3 利用镜像延拓算法处理端点效应的仿真分析
• 4.4 本章小结
• 5. 异步电动机轴承故障诊断实验及其基于EMD 的故障诊断
• 5.1 异步电动机轴承故障诊断实验
• 5.1.1 实验的目的及说明
• 5.1.2 实验测试系统的组成及实验仪器的选用
• 5.1.3 实验的具体操作
• 5.2 基于实验数据的轴承故障诊断
• 5.3 基于引用数据的轴承故障诊断
• 5.4 本章小结
• 6. 总结和展望
• 6.1 全文总结
• 6.2 未来展望
• 参考文献
• 攻读硕士学位期间发表的论文及所取得的研究成果
• 致谢