發(fā)布時間：2020-07-11 09:05

【摘要】：近幾十年來,振動篩分設(shè)備發(fā)展迅速,廣泛應(yīng)用于礦山、冶金、建筑等眾多生產(chǎn)領(lǐng)域,可以看出振動篩分設(shè)備在工業(yè)生產(chǎn)中發(fā)揮著重要的作用。因此,保持振動篩分設(shè)備的健康工作狀態(tài)至關(guān)重要。而滾動軸承是振動篩中最重要同時也是使用頻率較高的零件之一,一旦軸承發(fā)生故障,那么將會影響振動篩的正常工作,從而導(dǎo)致篩分精度的下降。因此,振動篩的滾動軸承故障的故障特征提取在實(shí)際的制造生產(chǎn)中有著十分重大的意義。本文以傳統(tǒng)能量算子理論的局限性和可擴(kuò)展性為切入點(diǎn),針對振動篩軸承故障信號的獨(dú)有特征,提出了幾種新的改進(jìn)能量算子方法。論文的主要工作有以下幾個方面:(1)針對先前振動篩的軸承故障動力學(xué)模型中忽略滑移等缺點(diǎn),提出了以五自由度的微分運(yùn)動方程為基礎(chǔ)的振動篩軸承故障動力學(xué)模型,使得模型故障信號更接近于實(shí)際工況,通過模型詳細(xì)分析了振動篩的軸承故障信號和一般旋轉(zhuǎn)機(jī)械的軸承故障信號的不同。(2)針對先前能量算子魯棒性較差的缺點(diǎn),利用高階差分思想,在解析能量算子(Analytic Energy Operator,AEO)的基礎(chǔ)上提出了一種增強(qiáng)型的能量算子,稱為高階差分解析能量算子(High Order Differential Analytic Energy Operator,HOD_AEO)。由于高階求導(dǎo)能提高信號干擾比(Signal-toInterferences Ratio,SIR),而解析信號可以提高信號的信噪比(Signal-to-Noise Ratio,SNR),因此將二者結(jié)合不僅可以抑制噪聲,同時也能抑制振動頻率干擾。(3)提出了一種計算復(fù)雜性較低的能量算子,稱為對稱差分解析能量算子(Symmetrical Difference Analytic Energy Operator,SD_AEO)。SD_AEO的原理主要利用了對稱差分序列,該序列可以對數(shù)據(jù)進(jìn)行平滑處理,即相當(dāng)于進(jìn)行了平滑濾波作用。將該方法應(yīng)用于模擬實(shí)驗(yàn)和真實(shí)軸承故障數(shù)據(jù)實(shí)驗(yàn),并與HOD_AEO進(jìn)行對比,發(fā)現(xiàn)性能上不遜于HOD_AEO,并且它的運(yùn)行速率也相對較快。(4)提出了一種新穎的的能量算子技術(shù)—頻率加權(quán)解析能量算子(Frequency-weighted Analytic Energy Operator,FW_AEO)。該種算子采用了一階求導(dǎo)的同時采用了新的能量表達(dá)方式,使其其性能與前兩種增強(qiáng)型能量算子性能一樣優(yōu)秀,并且運(yùn)算效率也非常高效,可以面對復(fù)雜的背景環(huán)境。(5)針對更為復(fù)雜的故障診斷形式—軸承內(nèi)、外圈復(fù)合故障特征的提取進(jìn)行了深入的研究分析,提出了一種提取效果更加優(yōu)秀的復(fù)合故障診斷方法,該方法主要采用了最小最優(yōu)熵反褶積(Multipoint Optimal Minimum Entropy Deconvolution Adjusted,MOMEDA)和稀疏貝葉斯階躍濾波(Spare Bayes Step filter,SBSF)技術(shù),這兩種技術(shù)相輔相成,突出了故障脈沖序列的同時并去除了大量的背景噪聲,最后在利用SD_AEO對處理后的信號進(jìn)行故障特征提取。(6)針對三種新提出算法的特點(diǎn),分析了不同工況下的三種增強(qiáng)型能量算子的適用范圍。通過模擬實(shí)驗(yàn)信號與不同工況下的真實(shí)軸承故障數(shù)據(jù),驗(yàn)證了上述方法的實(shí)用性和有效性,實(shí)現(xiàn)了振動篩軸承故障診斷在線監(jiān)測的目的。
【學(xué)位授予單位】：長安大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2019
【分類號】：TN911.7;TH133.3
【圖文】：

圖 1.1 本文的研究思路x n 1 x n x n x(n 1) x( n 1) /2 x n x n h x n x n h x n 1 1 , , 0 , 1, 2,...k k kkx x x xx xx k

技術(shù)結(jié)構(gòu)示意圖

圖 1.3 論文的實(shí)施方案4.2本文的研究內(nèi)容根據(jù)本文的研究技術(shù)路線，本論文的研究內(nèi)容如下，結(jié)構(gòu)如圖 1.4所示，第一章，緒論。闡述了狀態(tài)監(jiān)測和故障診斷的意義，討論了振動篩的狀態(tài)監(jiān)測障診斷的研究現(xiàn)狀、軸承故障診斷中常用能量算子的研究現(xiàn)狀，并綜述了文獻(xiàn)研的不足，說明了尚需要解決研究的問題。第二章，振動篩軸承故障動力學(xué)建模及故障信號特征分析。研究了振動篩軸承和外圈單點(diǎn)點(diǎn)蝕故障分別進(jìn)行了動力學(xué)建模，該模型建立在五自由度微分運(yùn)動方基礎(chǔ)上，將滑移現(xiàn)象考慮到模型當(dāng)中，使其故障模型更接近于真實(shí)情況。并對理型進(jìn)行仿真實(shí)驗(yàn)，通過模型得出的振動信號與旋轉(zhuǎn)機(jī)械的振動信號進(jìn)行了對比分第三章，高階差分解析能量算子在振動篩軸承故障診斷中的應(yīng)用。首先對軸承診斷中常用的能量算子技術(shù)進(jìn)行了簡單回顧。然后著重研究了高階差分序列和解

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孟宗;季艷;;基于DEMD和對稱差分能量算子解調(diào)的滾動軸承故障診斷[J];中國機(jī)械工程;2015年12期

2 徐元博;楊宏才;;改進(jìn)的HHT算法在振動篩軸承故障診斷中的應(yīng)用[J];煤礦機(jī)械;2015年06期

3 姜萬錄;鄭直;胡浩松;;基于EEMD形態(tài)譜和支持向量機(jī)復(fù)合的滾動軸承故障診斷方法[J];工程科學(xué)學(xué)報;2015年S1期

4 劉長良;武英杰;甄成剛;;基于變分模態(tài)分解和模糊C均值聚類的滾動軸承故障診斷[J];中國電機(jī)工程學(xué)報;2015年13期

5 潘陽;陳安華;蔣玲莉;李學(xué)軍;;基于自適應(yīng)共振解調(diào)技術(shù)的滾動軸承故障診斷[J];機(jī)械科學(xué)與技術(shù);2015年02期

6 崔玲麗;莫代一;張建宇;;基于匹配追蹤的快速獨(dú)立分析方法在軸承復(fù)合故障盲源分離中的應(yīng)用[J];北京工業(yè)大學(xué)學(xué)報;2014年06期

7 孟宗;李姍姍;季艷;;基于對稱差分能量算子解調(diào)的局部均值分解端點(diǎn)效應(yīng)抑制方法[J];機(jī)械工程學(xué)報;2014年13期

8 王新立;徐元博;;盲源分離算法在振動篩故障診斷中的應(yīng)用研究[J];設(shè)備管理與維修;2014年01期

9 郭寶良;段志善;鄭建校;史麗晨;;振動機(jī)械滾動軸承兩點(diǎn)點(diǎn)蝕故障診斷研究[J];振動與沖擊;2013年07期

10 王新立;徐元博;;基于EEMD分解的盲源分離算法在振動篩軸承故障診斷中的應(yīng)用[J];礦山機(jī)械;2013年04期

本文編號：2750209