燃?xì)廨啓C軸承故障診斷與故障預(yù)測技術(shù)研究.pdf

1、隨著燃?xì)廨啓C技術(shù)的逐漸成熟以及工業(yè)生產(chǎn)的需求，燃?xì)廨啓C在一些工業(yè)生產(chǎn)中的地位不斷提高。燃?xì)廨啓C發(fā)生故障不僅維修需要花費，而且延誤工業(yè)生產(chǎn)將造成更大的損失。因此，有必要對其故障進(jìn)行診斷與預(yù)測，尤其是故障多發(fā)的軸承部件。本文根據(jù)燃?xì)廨啓C軸承的特點，對其進(jìn)行了故障診斷與故障預(yù)測方面的研究，并最終基于LabVIEW建立了系統(tǒng)平臺。主要包括以下工作內(nèi)容：
　　 (1)基于振動診斷法對軸承進(jìn)行故障診斷。根據(jù)軸承旋轉(zhuǎn)的速度，推導(dǎo)出軸承在不同故

2、障情況下的特征頻率。針對軸承診斷加速度數(shù)據(jù)，采用快速傅里葉變換法與小波變化兩種方法提取軸承故障特征頻率。綜合對比了軸承在不同故障情況下，兩種方法提取特征頻率的有效性。
　　 (2)基于智能神經(jīng)網(wǎng)絡(luò)法對軸承進(jìn)行故障診斷。針對軸承不同故障情況下，振動加速度數(shù)據(jù)具有不同的頻域、時域特征這一特點，采用小波包方法提取軸承頻域范圍的特征值。計算出軸承在時域范圍內(nèi)具有代表性的特征值。時域與頻域的特征值作為神經(jīng)網(wǎng)絡(luò)的特征向量，概率神經(jīng)網(wǎng)絡(luò)實現(xiàn)對

3、軸承的智能故障診斷。
　　 (3)基于時序預(yù)測與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法對軸承進(jìn)行故障預(yù)測。根據(jù)相空間重構(gòu)理論對軸承參數(shù)進(jìn)行重構(gòu)。采用BP神經(jīng)網(wǎng)絡(luò)對燃?xì)廨啓C軸承運行的相關(guān)參數(shù)進(jìn)行了單參數(shù)、單點的時序預(yù)測。將單點預(yù)測的結(jié)果作為廣義回歸神經(jīng)網(wǎng)絡(luò)的輸入。模型輸出的誤差百分比作為判斷軸承狀態(tài)的依據(jù)。
　　 (4)基于LabVIEW建立了燃?xì)廨啓C軸承故障診斷與故障預(yù)測的系統(tǒng)平臺。選定NI公司的LabVIEW作為軟件開發(fā)平臺進(jìn)行程序設(shè)計