面向電機(jī)軸承的快速故障診斷方法研究.pdf

1、工業(yè)現(xiàn)場(chǎng)對(duì)使用的電機(jī)軸承往往提出苛刻的要求，必須減少停機(jī)時(shí)間、盡可能長(zhǎng)時(shí)間的運(yùn)轉(zhuǎn)。因此，對(duì)于電機(jī)的維護(hù)工作是十分重要的，尤其是一些重要的系統(tǒng)和設(shè)備部位。近些年來，軸承故障診斷得到了長(zhǎng)足發(fā)展，領(lǐng)域內(nèi)出現(xiàn)了許多新的研究方法。信號(hào)分析法，如傅立葉變換和小波變換已經(jīng)被廣泛應(yīng)用，但是有些方法往往僅擅長(zhǎng)于線性、平穩(wěn)的信號(hào)的分析。事實(shí)上，它們并不都能很好的適應(yīng)非線性、非平穩(wěn)的軸承振動(dòng)信號(hào)。
　　本文開篇即簡(jiǎn)述了研究對(duì)象和方法，并綜述了國內(nèi)外故障

2、診斷領(lǐng)域的發(fā)展歷程以及研究現(xiàn)狀。本文的首要目標(biāo)就是為了要檢測(cè)并且區(qū)分不同類型的故障，得到一種針對(duì)電機(jī)軸承故障的集合型診斷方法。這一診斷系統(tǒng)還要可以同步記錄數(shù)據(jù)，并且依據(jù)這一數(shù)據(jù)給出正確的診斷結(jié)果。經(jīng)驗(yàn)?zāi)B(tài)分解具備很強(qiáng)的非平穩(wěn)信號(hào)分解能力，可以將信號(hào)分解成一系列頻率自高到低的各成分；使用固定點(diǎn)迭代算法對(duì)于信號(hào)特征提取能力較強(qiáng)，適用于非高斯的電機(jī)軸承的振動(dòng)信號(hào)。增量概率神經(jīng)網(wǎng)絡(luò)使用在線的增量法對(duì)概率神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，對(duì)參數(shù)進(jìn)行訓(xùn)練，并具有較

3、強(qiáng)的分類能力。綜合考量各方法的特點(diǎn)，提出了基于 EMD-FICA-IPNN的電機(jī)軸承集合型故障診斷方法，通過凱斯西儲(chǔ)大學(xué)的軸承數(shù)據(jù)進(jìn)行了故障診斷實(shí)驗(yàn)。結(jié)果表明改進(jìn)的方法對(duì)軸承信號(hào)有較好的精確性、適應(yīng)性、快速性。
　　實(shí)驗(yàn)平臺(tái)的建設(shè)分軟件和硬件兩部分。硬件部分采用了多功能數(shù)據(jù)采集板卡PCI-1710HG和加速度傳感器LC0159等設(shè)備、器材。此外，基于LabVIEW軟件平臺(tái)還制作了相應(yīng)的實(shí)驗(yàn)數(shù)據(jù)采集以及故障診斷軟件。根據(jù)實(shí)驗(yàn)驗(yàn)證，集