基于振動(dòng)信號(hào)分析的滾動(dòng)軸承故障特征提取與診斷研究.pdf

1、煤炭是我國(guó)的主體能源，在國(guó)民經(jīng)濟(jì)發(fā)展中具有重要的戰(zhàn)略地位。電牽引采煤機(jī)是現(xiàn)代化礦井綜采裝備的核心，關(guān)系到煤礦安全高效生產(chǎn)。但國(guó)產(chǎn)采煤機(jī)故障頻發(fā)，故對(duì)其監(jiān)測(cè)和故障診斷關(guān)鍵技術(shù)進(jìn)行研究迫在眉睫。滾動(dòng)軸承作為采煤機(jī)的關(guān)鍵零部件，是重要的故障源之一，準(zhǔn)確判斷其運(yùn)行狀態(tài)直接關(guān)系到整個(gè)采煤機(jī)的安全生產(chǎn)。研究滾動(dòng)軸承的故障診斷技術(shù)，對(duì)于確保安全高效生產(chǎn)，避免重大事故的發(fā)生具有重要的意義。
　　本文首先分析了滾動(dòng)軸承的幾種主要失效形式及其成因。詳

2、細(xì)闡述了滾動(dòng)軸承故障特征頻率計(jì)算公式的導(dǎo)出過程，總結(jié)了滾動(dòng)軸承典型故障振動(dòng)信號(hào)的特點(diǎn)。以內(nèi)環(huán)故障的振動(dòng)信號(hào)為例，對(duì)經(jīng)典的滾動(dòng)軸承振動(dòng)診斷方法進(jìn)行了分析。其次在奇異值分解(Singular Value Decomposition,SVD)基本原理及算法實(shí)現(xiàn)的基礎(chǔ)上，研究并驗(yàn)證了奇異值分解探測(cè)周期信號(hào)和提取突變信號(hào)的方法。將SVD用于信號(hào) Hilbert變換后的幅值譜和相位譜的降噪，為降噪分析提供了一種思路，并通過實(shí)驗(yàn)信號(hào)進(jìn)行了驗(yàn)證。對(duì)于含

3、有大量隨機(jī)噪聲及脈沖干擾的振動(dòng)信號(hào)，提出了一種基于快速傅里葉變換(Fast Fourier Transform,FFT)和SVD的降噪方法，實(shí)驗(yàn)信號(hào)分析結(jié)果表明該方法要優(yōu)于直接對(duì)信號(hào)進(jìn)行SVD降噪處理，降噪效果良好。
　　然后，研究了經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)和Hilbert譜的基本原理，詳細(xì)分析了EMD方法中存在的重要問題：模態(tài)混合、端點(diǎn)效應(yīng)、易受噪聲影響，并分別采用EEMD

4、方法、極值點(diǎn)延拓加窗的方法、FFT-SVD預(yù)處理降噪方法進(jìn)行了改進(jìn)，仿真信號(hào)分析表明改進(jìn)效果良好。采用基于交叉驗(yàn)證的遺傳算法對(duì)支持向量機(jī)中懲罰因子C和核函數(shù)參數(shù)γ進(jìn)行尋優(yōu)，構(gòu)建了最優(yōu)分類模型。將上述方法結(jié)合，建立滾動(dòng)軸承故障識(shí)別的穩(wěn)定模型，實(shí)驗(yàn)信號(hào)的分類結(jié)果表明該模型能較好的識(shí)別故障類型。最后，針對(duì)實(shí)際運(yùn)用中軸承故障類型樣本較難獲取的境況，提出了一種基于關(guān)聯(lián)度的軸承故障與否的判別方法，并以不同類型的實(shí)驗(yàn)信號(hào)驗(yàn)證了該方法的有效性。