風(fēng)機(jī)滾動軸承故障診斷方法研究.pdf

1、風(fēng)機(jī)是水泥廠生產(chǎn)中通風(fēng)收塵不可或缺的設(shè)備,范圍涉及到水泥生產(chǎn)的各個流程,一旦風(fēng)機(jī)出現(xiàn)故障,將會給企業(yè)帶來無法估量的損失。滾動軸承是風(fēng)機(jī)中的重要部件,也是易損件,論文將以風(fēng)機(jī)滾動軸承為對象進(jìn)行研究。
　　對于滾動軸承故障診斷來講,振動信號分析是最有效的方法。本文針對軸承發(fā)生故障時振動信號的特點(diǎn),將經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)、排列熵與支持向量機(jī)(Support Vector Mac

2、hine,SVM)相結(jié)合,實(shí)現(xiàn)風(fēng)機(jī)軸承的智能診斷。
　　由于軸承的振動信號是非平穩(wěn)非線性的,本文從時頻分析的角度研究了EMD分析方法。針對EMD分解過程中的端點(diǎn)效應(yīng)問題,提出了互相關(guān)延拓方法來進(jìn)行解決,消除端點(diǎn)處的振蕩現(xiàn)象,保證分解得到的是真實(shí)的本征模函數(shù)(Intrinsic Mode Function,IMF)。將IMF量化為排列熵指標(biāo),分析了EMD排列熵作為軸承振動信號特征信息的可行性和有效性,表明了EMD排列熵可以作為軸承振

3、動信號的特征信息。
　　論文對SVM核函數(shù)的選用進(jìn)行了研究,提出了一種新的核函數(shù)。新核函數(shù)結(jié)構(gòu)簡單,計(jì)算量小,核參數(shù)可以基于樣本自動調(diào)整。利用新SVM核函數(shù)進(jìn)行訓(xùn)練,采用交叉驗(yàn)證的方法對訓(xùn)練參數(shù)進(jìn)行尋優(yōu),可以有效的克服過學(xué)習(xí)和欠學(xué)習(xí)的發(fā)生。在新核函數(shù)與徑向基核函數(shù)訓(xùn)練模型的比較中發(fā)現(xiàn),新核函數(shù)的訓(xùn)練方法有更高的準(zhǔn)確率,更好的學(xué)習(xí)能力和泛化能力,能夠有效的對軸承故障進(jìn)行分類。
　　將本文方法應(yīng)用于風(fēng)機(jī)滾動軸承的診斷之中,采集軸