学位论文 > 优秀研究生学位论文题录展示
强噪声背景下滚动轴承故障诊断的关键技术研究
作 者: 侯者非
导 师: 杨杰
学 校: 武汉理工大学
专 业: 信息与通信工程
关键词: 滚动轴承 包络解调 解析信号 S变换 奇异值比谱 随机共振
分类号: TH165.3
类 型: 博士论文
年 份: 2010年
下 载: 321次
引 用: 0次
阅 读: 论文下载
内容摘要
旋转机械工况监测是系统维护和自动化生产中的一个重要环节,滚动轴承故障是造成旋转机械损坏最主要因素之一,有时还会带来灾难性的生产事故。因此,开展滚动轴承故障诊断,尤其是对早期故障诊断研究具有重要的理论价值和实际意义。实践表明:对于具有调制现象的滚动轴承故障诊断,基于Hilbert变换的包络解调方法是一种可靠的诊断方法。本文以强噪声背景下滚动轴承故障诊断为目标,针对故障特征提取的问题提出了几种包络解调的新方法,’主要研究工作如下:在滚动轴承的故障机理方面,完善了现有滚动轴承振动模型,建立了综合考虑轴承元件表面波纹度、局部损伤、径向游隙等因素的轴承振动模型。由于生产工艺的原因,轴承元件表面不可避免的存在波纹度,为使模型更符合滚动轴承的实际工作情况,在模拟轴承损伤故障振动信号时必须考虑波纹度等其它因素的影响。通过实验分析模拟轴承的振动特性,证明该模型是有效的。从信号分析角度看,Morlet小波和Harmonic小波是复解析带通滤器,常用于振动信号的包络解调。但是,它们在时域或频域都存在自身的不足,为此,构造了一种复解析带通滤波器,不但克服了Harmonic小波Gibbs的现象,还具有几乎“盒形”的频谱特征、时域衰减较快的特性,综合性能优于二者。在此基础上,提出了一种基于组合复解析带通滤波器的梳状包络解调方法,实现了信号梳状滤波和包络解调的统一。实验结果表明该方法具有抗噪声、容错能力强的优点,可获得信号的简明解调谱特征。S变换(S-Transform, ST)是短时Fourier变换和小波变换的一种延伸和扩展,可用于提取信号的包络。为了更有效的分析具有周期性调幅特征的轴承损伤振动信号,提出了多分辨率ST包络谱的概念,并给出了其计算方法。为了进一步抑制带内噪声,采用了一种基于多分辨率ST包络谱和奇异值比谱的方法,自动提取、重构调制信号包络的主周期分量,由于采用了改进的相空间矩阵重构方法,使获取的主周期分量频率更准确。实验结果证明,该方法可以很好的降低噪声,有效地提取信号中的周期成分,在不同强度背景噪声下,实现了轴承故障特征频率的提取。与各种抑制噪声方法相比,随机共振能够利用噪声来增强信号,使其在微弱信号的增强和检测方面有着独特的优势。在随机共振系统的数值解法方面,提出了一种改进的数值解法以增强共振效果;在系统参数优化方面,设计了一种基于遗传算法同时优化系统参数和噪声强度的自适应随机共振方法;针对经典的绝热近似小参数随机共振难以满足实际工程大参数条件下的微弱信号检测问题,深入研究了变尺度、移频—变尺度等大参数信号随机共振实现方法,提出了一种更适用于调幅信号的大参数随机共振系统,即S变换—变尺度随机共振。实验结果证明,该方法对于微弱周期调制信号的解调分析效果明显优于FFT谱分析和常用解调方法,可用于强噪声背景下提取轴承故障特征。通过对模拟和实测轴承故障振动信号的实验分析,证明了以上所提出包络解调新方法的有效性以及某些方面独特的优越性。有理由相信,这些方法在滚动轴承故障诊断方面有着良好的应用前景。
|
全文目录
摘要 5-7 Abstract 7-13 第1章 绪论 13-28 1.1 研究目的和意义 13-14 1.2 相关领域的国内外研究现状 14-25 1.2.1 机械设备故障诊断的发展历程 14-16 1.2.2 滚动轴承故障机理的研究现状 16-18 1.2.3 滚动轴承故障诊断技术的研究现状 18-25 1.3 论文的主要研究工作和组织结构 25-28 1.3.1 论文的主要研究工作 25-26 1.3.2 论文的组织结构 26-28 第2章 滚动轴承系统振动模型 28-43 2.1 滚动轴承的几何特征建模 28-32 2.1.1 滚动轴承的结构 28-29 2.1.2 滚动轴承的故障特征频率 29-30 2.1.3 表面几何特征建模 30-32 2.2 滚动轴承的振动模型 32-39 2.2.1 滚动轴承的非线性接触力 32-34 2.2.2 表面损伤冲击序列建模 34-36 2.2.3 滚动轴承的振动模型 36-39 2.3 振动模型的仿真与验证 39-42 2.3.1 非线性接触力对振动特性的影响 39-40 2.3.2 表面特征对振动特性的影响 40-42 2.3.3 表面损伤对振动特性的影响 42 2.4 本章小结 42-43 第3章 复解析带通梳状包络解调研究 43-54 3.1 解析小波 43-45 3.1.1 Morlet小波 43-44 3.1.2 Harmonic小波 44-45 3.2 复解析带通滤波器研究 45-47 3.2.1 复解析带通滤波器的定义 45-46 3.2.2 复解析带通滤波器的特性 46-47 3.3 复解析带通组合梳状包络检波方法研究 47-50 3.3.1 复解析带通组合梳状滤波 47-48 3.3.2 复解析梳状包络检波 48-50 3.4 实验结果与分析 50-53 3.4.1 模拟轴承故障诊断 50-51 3.4.2 实测轴承故障诊断 51-53 3.5 本章小结 53-54 第4章 S变换—奇异值比谱轴承故障检测方法研究 54-78 4.1 S变换的理论研究 54-58 4.1.1 S变换的定义 54-57 4.1.2 S变换的主要性质 57-58 4.2 S变换与其它时频方法性能分析 58-61 4.2.1 ST与短时Fourier变换 58-59 4.2.2 ST与复Morlet小波变换 59-61 4.2.3 ST与Wigner-Ville分布 61 4.3 多分辨率ST包络谱及应用研究 61-66 4.3.1 多分辨率ST包络谱定义 61-62 4.3.2 MuStEnS提取调幅信号特征 62-64 4.3.3 MuStEnS轴承故障诊断 64-66 4.4 基于奇异值比谱的信号周期性检测方法研究 66-72 4.4.1 基于奇异值分解的降噪算法 66-68 4.4.2 SVR信号周期性检测方法 68-72 4.5 ST—SVR轴承故障诊断方法研究 72-77 4.5.1 ST—SVR轴承故障诊断方法 72-73 4.5.2 实验结果与分析 73-77 4.6 本章小结 77-78 第5章 随机共振在轴承故障检测中应用研究 78-110 5.1 随机共振的模型研究 79-82 5.1.1 双稳态Langevin模型 79-81 5.1.2 单稳态随机共振模型 81-82 5.2 随机共振的数值解法及其改进 82-87 5.2.1 随机共振模型的数值求解算法 82-83 5.2.2 改进的数值求解算法 83-84 5.2.3 算例仿真与实验分析 84-87 5.3 遗传算法优化随机共振系统 87-91 5.3.1 优化原理 87-88 5.3.2 遗传算法的实现 88-91 5.4 ST—变尺度随机共振原理研究 91-94 5.4.1 移频—变尺度随机共振 91-93 5.4.2 ST—变尺度随机共振微弱调制信号检测 93-94 5.5 实验结果与分析 94-103 5.5.1 变尺度SR算法仿真 94-95 5.5.2 移频—变尺度SR算法仿真 95-97 5.5.3 ST—变尺度SR算法检测周期调幅信号 97-99 5.5.4 ST—变尺度SR算法检测轴承损伤 99-103 5.6 单稳态随机共振系统电路实现 103-108 5.6.1 单稳态随机共振系统归一化模型 104-105 5.6.2 单稳态随机共振系统模拟电路实现与仿真 105-108 5.7 本章小结 108-110 第6章 总结和展望 110-112 6.1 总结 110-111 6.2 进一步的工作 111-112 致谢 112-113 参考文献 113-123 攻读博士学位期间发表论文和参加科研情况 123-124
|
相似论文
- LXI数字多用表模块的研制,TM938.12
- 永磁直驱风电系统中网侧变换器控制与风机模拟技术研究,TM46
- 液晶空间光调制器的波前变换研究,TN761
- 基于重叠变换与矢量量化的图像压缩算法及应用研究,TN919.81
- 基于FRFT的扩展频谱信号特性分析,TN911.6
- 基于TS101的DFT输出子集算法研究及软件实现,TN911.72
- 地波辐射源的调制类型识别与参数估计,TN957.51
- 音乐结构自动分析研究,TN912.3
- 变极性微弧氧化脉冲电源拓扑结构的研究,TN86
- 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
- 电子稳像系统中旋转稳像算法研究,TP391.41
- 图像的稀疏表示及编码模型研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 桡动脉超声多普勒血流信号的特征提取及分类研究,TP391.41
- 铝胁迫下小黑豆的红外光谱特征分析及其铝胁迫响应基因的鉴定,S529
- 基于对数正态分布异方差模型的统计推断,O212.1
- 广义系统的结构分析及控制方法研究,N945.1
- 基于空间—频率域的织物组织识别新技术研究,TS101.923
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 数字摄影测量技术在炮兵侦察定位中的应用研究,E919
- 面向MDA的模型变换可追溯性与增量一致性研究,TP311.5
中图分类: > 工业技术 > 机械、仪表工业 > 机械制造工艺 > 柔性制造系统及柔性制造单元 > 故障诊断和维护
© 2012 www.xueweilunwen.com
|