旋轉(zhuǎn)機(jī)械早期故障診斷的研究與應(yīng)用.pdf

1、本課題的研究來(lái)源于國(guó)家自然科學(xué)基金“低速重載機(jī)械早期故障稀疏特征識(shí)別的研究”。
　　旋轉(zhuǎn)機(jī)械是現(xiàn)代化工業(yè)生產(chǎn)中關(guān)鍵性設(shè)備，旋轉(zhuǎn)機(jī)械早期故障診斷技術(shù)的研究具有重要的理論意義和廣泛的推廣應(yīng)用價(jià)值。由于低速重載機(jī)械早期故障信號(hào)非常微弱，被淹沒(méi)在低頻振動(dòng)信號(hào)和強(qiáng)背景噪聲中，提取故障特征頻率非常困難。
　　為了解決低速重載旋轉(zhuǎn)機(jī)械早期故障特征頻率提取的難題問(wèn)題，深入研究了旋轉(zhuǎn)機(jī)械設(shè)備早期故障產(chǎn)生的機(jī)理、故障脈沖信號(hào)的數(shù)學(xué)模型及算法，完

2、成了故障診斷平臺(tái)的設(shè)計(jì)。提出了自適應(yīng)形態(tài)梯度提升方法，采用Hilbert變換、自適應(yīng)形態(tài)梯度濾波、自適應(yīng)形態(tài)梯度提升方法對(duì)振動(dòng)信號(hào)進(jìn)行時(shí)域和頻譜分析，對(duì)比了這3種算法在有強(qiáng)背景噪聲的振動(dòng)信號(hào)中提取微弱沖擊信號(hào)的能力，自適應(yīng)形態(tài)梯度提升方法能夠高效快速地提取較低信噪比下的微弱故障沖擊信號(hào)，研究成果在故障診斷平臺(tái)上取得了良好的早期故障識(shí)別效果。
　　信號(hào)調(diào)理電路的硬件設(shè)計(jì)上，采用了自適應(yīng)共振解調(diào)技術(shù)對(duì)振動(dòng)信號(hào)進(jìn)行自適應(yīng)包絡(luò)解調(diào)，保留了

3、振動(dòng)信號(hào)中的沖擊成分；采用DSP和ARM9雙核處理單元，實(shí)現(xiàn)了信號(hào)處理、采集控制、自動(dòng)識(shí)別分類存儲(chǔ)、多種網(wǎng)絡(luò)通信、多任務(wù)、故障特征提取與匹配等功能。
　　診斷平臺(tái)的軟件設(shè)計(jì)上，采用了嵌入式Linux操作系統(tǒng)，實(shí)現(xiàn)了交叉編譯環(huán)境搭建、BootLoader、kernel和根文件系統(tǒng)移植、設(shè)備驅(qū)動(dòng)程序設(shè)計(jì)、GUI交互界面設(shè)計(jì)與移植等，對(duì)采集的振動(dòng)數(shù)字信號(hào)進(jìn)行診斷分析、故障識(shí)別、數(shù)據(jù)存儲(chǔ)。
　　本項(xiàng)目的研究成果已推廣應(yīng)用到工業(yè)現(xiàn)場(chǎng)，