基于靜電監(jiān)測的滾動軸承性能退化評估及預測方法研究.pdf

1、隨著科技的不斷發(fā)展，機械設備也不斷向大型化、復雜化發(fā)展，對于生產效率的追求也越來越高，另一方面，對于工作環(huán)境和運行要求也越來越嚴格，軸承作為其中的重要部件一旦發(fā)生故障，將導致致命的危險。因此，對于軸承進行性能評估就變得尤為重要，不但要在機械設備要發(fā)生故障時及時的做出診斷更要在早期性能退化時做出預警，提前制定維修計劃以防止重大事故的發(fā)生。
　　基于油液的靜電監(jiān)測目前尚處于初步研究階段，由于軸承在磨損的過程中會產生磨損微粒，這些磨損微

2、粒上便會帶有靜電，通過靜電傳感器監(jiān)測靜電的變化，便能夠在軸承發(fā)生故障的時候及時的通過采集系統(tǒng)判斷出來，本試驗以滾動軸承6207為研究對象，針對信號的特征提取方面、性能退化評估方面和趨勢預測做了以下研究工作:
　　(1)闡述了本文選題的背景和意義，通過國內外研究資料分析了靜電監(jiān)測、性能退化評估和趨勢預測在國內外的發(fā)展狀況，確立了以靜電信號為基礎的性能退化評估方法研究，將其研究結果與振動信號做比較，確立了本文的研究內容。
　　(

3、2)研究了EMD方法對油液磨粒靜電監(jiān)測信號進行特征提取。軸承在正常狀態(tài)下時的信號為隨機分布的，隨著磨損程度的不斷加深，故障信息便會隱藏在這些隨機成分中,EMD方法具有自適應性、直觀性和高效性等特點，通過對分解過后的IMF分量進行計算，分別提取出時域特征和能量熵。這些特征能夠很好反應出信號中的故障信息，通過故障信息便可以對軸承的故障進行判斷。
　　(3)將支持向量數據描述方法應用于性能退化評估中。近年來，支持向量數據描述方法多用于狀

4、態(tài)監(jiān)測和故障診斷領域中，本文將基于靜電信號運用支持向量數據描述方法研究軸承的性能退化過程。通過處理靜電信號將得到的時域和能量熵特征進行融合作為支持向量數據描述方法的輸入矩陣來與正常狀態(tài)進行對比判斷，來說明軸承退化的過程，并通過對比靜電和振動信號數據來說明靜電監(jiān)測能夠更加靈敏、準確的監(jiān)測出故障信息。
　　(4)趨勢預測是根據設備的特征參數來進行監(jiān)測，通過運行狀態(tài)來組織維修。本文主要介紹了兩種趨勢預測模型分別為:線性回歸模型和支持向量