強背景噪聲下滾動軸承的故障診斷方法研究.pdf

1、煤炭作為我國的主要能源,其安全生產(chǎn)不容忽視。電牽引采煤機是現(xiàn)代化礦井采煤裝備的核心,關(guān)系著煤礦安全高效生產(chǎn),但國產(chǎn)采煤機故障頻發(fā),故對其監(jiān)測和故障診斷關(guān)鍵技術(shù)進行研究迫在眉睫。滾動軸承是電牽引采煤機的核心零部件,也是采煤機的重要故障源之一,準(zhǔn)確判斷軸承工作狀態(tài)直接關(guān)系到整個采煤機的安全。研究滾動軸承的診斷技術(shù),對于避免重大事故的發(fā)生具有重要的理論研究價值和實際應(yīng)用意義。本論文從強背景噪聲下微弱故障特征的提取入手,針對現(xiàn)有提取方法的不足,

2、將經(jīng)驗?zāi)Ｊ椒纸?Empirical Mode Decomposition,EMD)方法和隨機共振理論引入到滾動軸承振動分析及故障診斷中,結(jié)合EMD分解和隨機共振理論各自的特點,提出了改進的EMD算法和自適應(yīng)隨機共振相結(jié)合的機械故障特征提取方法。
　　本文首先結(jié)合滾動軸承的基本結(jié)構(gòu)和常見故障,對滾動軸承的振動特性進行研究,得到滾動軸承分別在內(nèi)圈、外圈以及滾動體存在缺陷時的時頻特性。其次,在對EMD基本理論、算法及其特性進行研究的基礎(chǔ)

3、上,針對EMD在實際運用中存在的端點效應(yīng)和模式混合等問題進行研究,提出了有效解決這些問題的方法:把支持向量回歸和窗函數(shù)有機結(jié)合起來,消除了EMD的端點效應(yīng);利用EEMD法解決了模態(tài)混合問題;以信噪比為判別標(biāo)準(zhǔn),很好地提取出含有故障信息的本征模函數(shù),實現(xiàn)EMD算法的改進。然后,針對背景噪聲下微弱故障特征提取的難題,提出一種基于自適應(yīng)隨機共振微弱信號檢測方法。該算法選用雙穩(wěn)系統(tǒng)輸出的信噪比作為遺傳算法的適應(yīng)度函數(shù),實現(xiàn)隨機共振系統(tǒng)中多個參數(shù)

4、的自適應(yīng)選取,同時對微弱信號進行頻率尺度變換處理,使其滿足隨機共振條件。仿真信號和滾動軸承內(nèi)圈故障數(shù)據(jù)的分析表明,該算法在采樣點數(shù)較少的條件下能從強背景噪聲中檢測微弱的高頻周期成分。最后,針對超強背景噪聲下信噪比極低的微弱特征信號的識別問題,單獨使用改進的EMD分解方法或自適應(yīng)隨機共振算法效果不佳,提出改進的EMD算法和自適應(yīng)隨機共振相結(jié)合的微弱信號特征提取方法。結(jié)合改進的EMD分解和隨機共振理論各自的特點,首先利用改進的EMD分解對實