鉆井設(shè)備中的滾動軸承故障診斷方法的研究.pdf

1、本文以油田鉆井設(shè)備中絞車及傳動機組的滾動軸承故障診斷為研究背景,分析了滾動軸承的故障機理和振動特性,采集了軸承正常、內(nèi)圈故障和外圈故障共三種工況的振動信號,引入時頻分析新方法——局域均值分解法(LMD)提取振動信號的特征信號,并與常用的小波變換、經(jīng)驗?zāi)B(tài)分解法(EMD)這2種時頻分析方法做一些比較分析,驗證了LMD方法的優(yōu)越性。針對局域均值分解法(LMD)分解過程中產(chǎn)生的端點效應(yīng),本文在LMD方法的基礎(chǔ)上提出了一種改進(jìn)的方案,即采用了一

2、種鏡像延拓法先對原始信號兩端進(jìn)行對稱延拓,再對延拓后得到的新信號進(jìn)行LMD分解,通過仿真實驗表明改進(jìn)后的LMD方法有效抑制了端點效應(yīng)。
　　 由于在實際中采集到的滾動軸承振動信號常夾雜有噪聲,因此需要進(jìn)行消噪處理。本研究利用小波和小波包2種消噪方法對加噪的仿真信號進(jìn)行處理,從實驗結(jié)果可以看出小波包比小波具有更好的消噪效果,因此采用小波包對滾動軸承振動信號進(jìn)行消噪并利用改進(jìn)后的LMD方法對滾動軸承三種工況下的信號進(jìn)行處理,提取出P

3、F能量特征向量,最后采用支持向量機方法完成了軸承故障模式的智能識別。
　　 以上實驗工作分析表明:LMD方法是一種優(yōu)秀的時頻信號分析方法,具有很強的自適應(yīng)性和時頻分布性,在抑制端點效應(yīng)、減少迭代次數(shù)、保留信號信息完整性和表征瞬變信號的頻率與幅值變化方面要優(yōu)于傳統(tǒng)時頻分析方法。采用鏡像延拓法進(jìn)行改進(jìn)后的LMD方法端點效應(yīng)很輕,產(chǎn)生的虛假分量更少,能更好地反映信號內(nèi)在本質(zhì)。改進(jìn)后的LMD方法結(jié)合小波包消噪法能正確提取出滾動軸承微弱故