滾動軸承振動檢測與智能診斷系統(tǒng)研究.pdf

1、滾動軸承是機械設備中常用的關鍵零件，也是易損傷零件之一。滾動軸承的質(zhì)量和工作狀態(tài)影響著整臺設備的性能。因此，對滾動軸承的檢測與故障診斷技術進行研究有著重要意義。 目前，滾動軸承的檢測與故障診斷中主要應用的是振動分析法。采集軸承的振動信號，利用信號處理方法提取不同工作狀態(tài)下信號的特征，通過這些特征，采用模式識別方法識別軸承狀態(tài)。其中信號特征提取和狀態(tài)識別是關鍵。本文主要研究了滾動軸承振動信號特征的提取和支持向量機在軸承智能診斷中的

2、應用。主要進行了以下工作： 介紹了滾動軸承的振動機理，故障形式，分析了滾動軸承振動信號的特征。 分析了振動信號的時域統(tǒng)計指標和頻域統(tǒng)計指標，討論了這些指標在滾動軸承不同工作狀態(tài)下的特征。 針對頻譜分析中的細化問題，研究了基于復解析帶通濾波器的頻譜細化分析原理和方法，并對這一方法進行了實驗研究。 研究了小波分析和小波包理論的應用，應用小波閾值降噪方法對軸承振動信號進行小波降噪處理，然后應用小波包分解提取降噪

3、后信號不同頻段的頻帶能量，用這些頻帶能量構成了滾動軸承故障診斷的特征集。 研究了支持向量機方法及其在滾動軸承智能診斷中的應用。分別利用時域無量綱統(tǒng)計指標和頻帶能量構成的特征集對多項式核函數(shù)SVM和徑向基核函數(shù)SVM進行了試驗分析，并確定了本文開發(fā)的軸承智能故障診斷系統(tǒng)中所用SVM的參數(shù)。結果表明，選擇合適的核函數(shù)和相關參數(shù)將極大地提高SVM診斷的準確性。 最后，本文基于虛擬儀器技術完成了滾動軸承振動檢測軟件系統(tǒng)的設置功能