变转速条件下滚动轴承故障特征提取与诊断

《变转速条件下滚动轴承故障特征提取与诊断》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号密级公开UDC学位论文题目：变转速条件下滚动轴承故障特征提取与诊断研究生姓名：宫广廷学科专业名称：检测技术与自动化装置研究方向：飞行器健康诊断与预测及综合健康管理论文类型：应用研究申请学位：工学硕士指导教师姓名：蒋丽英指导教师职称：副教授指导教师单位：沈阳航空航天大学论文提交日期：2015年01月06日论文答辩日期：2015年03月10日沈阳航空航天大学2015年03月SHENYANGAEROSPACEUNIVERSITYTHESISFORMASTER’SDEGREEFAULTFEATUREEX

2、TRACTIONANDDIAGNOSISOFROLLINGELEMENTBEARINGUNDERVARIABLESPEEDCONDITIONCandidate:GuangtingGongSupervisor:LiyingJiangSpecialty:DetectionTechnologyandAutomaticEquipmentDate:March,2015摘要滚动轴承是旋转机械设备中一种通用且精密的机械零部件，也是最重要的故障源之一，研究滚动轴承故障诊断技术具有重要意义。本文主要针对变转速运行过程中

3、的滚动轴承开展故障特征提取与诊断技术研究，主要研究内容如下：1、振动信号采集与降噪处理。利用QPZZ-II旋转机械实验系统采集正常及故障（内圈、外圈、滚动体）轴承在变转速运转条件下的试验数据。结合EMD阈值降噪和EMD滤波提出一种新的基于3规则—相关系数—峭度准则的EMD降噪方法，该方法可以有效地降低振动信号中的噪声干扰。2、故障特征提取与状态监测。针对变转速工况下滚动轴承状态监测和特征提取的问题，本文采用主元分析方法并提出了“全速度样本”的概念，以1024个点为一次样2本分别计算信号的时域特征参数

4、，组成PCA建模样本。通过T和SPE统计量及控制限准确检测出了轴承故障，并根据轴承数据在主元上的投影完成了故障特征的提取。3、轴承故障模式识别与诊断。采用改进的K-近邻分类器对轴承特征进行分类，用马氏距离取代原KNN算法中的欧氏距离。通过实验验证，该方法可以排除变量之间相关性的干扰，对轴承故障进行准确分类，效果优于神经网络和支持向量机。仿真和实验结果表明，本文提出的“变转速条件下滚动轴承故障特征提取与诊断”研究达到了预期的目标。这种方法突破了传统故障诊断方法局限于平稳工况的瓶颈，将轴承故障诊断扩展到变

5、速工况，具有较大的实际意义。关键字：滚动轴承；故障特征提取与诊断；EMD降噪；主元分析；K-近邻分类IAbstractRollingelementbearingisakindofgeneralandprecisecomponentsandpartsofrotatingmachinerywhileitisoneofthemostimportantsourcesoftroubles.Therefore,ithasimportantsignificancetoresearchthetechniqueofbe

6、aringfaultdiagnosis.Inthispaper,thestudyoffaultfeatureextractionanddiagnosisofrollingelementbearingwascarriedoutspecifictothevariablespeedcondition.Themainresearchcontentsareasfollows:1.Vibrationsignalsacquisitionandnoisereduction.Collecttestdataofrolli

7、ngelementbearings(includingnormalcondition,innerracewayfault,outerracewayfaultandballfault)undervariablespeedconditionusingQPZZ-IIrotatingmachineryexperimentalsystem.AnewEMDde-noisingmethodbasedon3criterion–correlationcoefficient–kurtosiscriterionwaspr

8、oposedbythecombinationofEMDthresholdde-noisingandEMDfilterde-noising.Itcanreducenoisesinvibrationsignalseffectively.2.Faultfeatureextractionandconditionmonitoring.Specifictotheproblemofconditionmonitoringandfeatureextractionofrol