基于多源不確定信息融合的數(shù)控機(jī)床滾動(dòng)軸承故障診斷方法與實(shí)驗(yàn)研究.pdf

1、滾動(dòng)軸承是機(jī)械設(shè)備中主要的基礎(chǔ)旋轉(zhuǎn)部件之一，同時(shí)也是機(jī)械設(shè)備主要的故障源之一。因此，開展關(guān)于滾動(dòng)軸承故障機(jī)理與診斷方法的研究工作對(duì)于及時(shí)發(fā)現(xiàn)并排除滾動(dòng)軸承故障，以保證機(jī)械設(shè)備正常運(yùn)轉(zhuǎn)、提高生產(chǎn)效率和生產(chǎn)質(zhì)量具有重要的理論和實(shí)際工程意義。
　　本論文以數(shù)控機(jī)床進(jìn)給工作臺(tái)中滾珠絲杠軸端的滾動(dòng)軸承作為研究對(duì)象，綜合分析了滾動(dòng)軸承故障產(chǎn)生機(jī)理及其常見失效形式、常用故障診斷方法及其適應(yīng)性。考慮到滾動(dòng)軸承故障產(chǎn)生的隨機(jī)性、傳感器的測(cè)量誤差、環(huán)

2、境的復(fù)雜性等因素會(huì)導(dǎo)致實(shí)驗(yàn)獲得的故障信息具有隨機(jī)性、不確定性和不完全性等特點(diǎn)，采用外部多傳感器與提取機(jī)床內(nèi)部伺服信息相結(jié)合的方法獲取滾動(dòng)軸承的多源故障信息，借助相應(yīng)的信號(hào)處理與信息融合方法實(shí)現(xiàn)了對(duì)多源信息的數(shù)據(jù)級(jí)、特征級(jí)和決策級(jí)融合，搭建了一套基于多源不確定信息融合的數(shù)控機(jī)床滾動(dòng)軸承故障診斷系統(tǒng)。主要研究工作如下:
　　從滾動(dòng)軸承的結(jié)構(gòu)特點(diǎn)入手，研究了滾動(dòng)軸承的故障產(chǎn)生機(jī)理、常見失效形式和常用故障檢測(cè)方法及其適應(yīng)性，確定了本文選取

3、的故障檢測(cè)方法、外置傳感器類型以及傳感器安裝測(cè)點(diǎn);根據(jù)機(jī)床內(nèi)部伺服信息與滾動(dòng)軸承故障狀態(tài)之間的關(guān)系，選擇并提取了部分機(jī)床內(nèi)部伺服參數(shù);基于NI PCI-6143多通道采集板卡與LabVIEW軟件平臺(tái)搭建了多通道數(shù)據(jù)采集系統(tǒng)。
　　基于對(duì)滾動(dòng)軸承故障信號(hào)非線性、非平穩(wěn)性的考慮，引入統(tǒng)計(jì)學(xué)理論與小波包分解方法，對(duì)滾動(dòng)軸承故障信號(hào)進(jìn)行了時(shí)域、頻域和時(shí)頻域分析并提取了相關(guān)特征值;為有效剔除冗余信息、簡(jiǎn)化故障診斷過(guò)程并提高故障診斷效率，應(yīng)用

4、粗糙集理論實(shí)現(xiàn)對(duì)故障特征值的篩選，建立故障特征值的訓(xùn)練集與測(cè)試集。
　　引入SVM方法，將數(shù)據(jù)采集、特征提取與篩選和模式識(shí)別相結(jié)合，建立了一套基于多源信息融合的滾動(dòng)軸承故障診斷系統(tǒng)，實(shí)現(xiàn)多源信息數(shù)據(jù)級(jí)與特征級(jí)融合;為優(yōu)化SVM診斷效果，引入遺傳算法對(duì)SVM網(wǎng)絡(luò)的部分參數(shù)進(jìn)行了優(yōu)化。
　　考慮滾動(dòng)軸承故障信息的隨機(jī)性、不確定性和不完全性特點(diǎn)，提出了基于云模型和證據(jù)理論的多源不確定信息融合方法。研究了云模型中云參數(shù)的獲取方法，通