強(qiáng)背景噪聲下滾動(dòng)軸承的故障診斷方法研究.pdf

1、煤炭作為我國的主要能源,其安全生產(chǎn)不容忽視。電牽引采煤機(jī)是現(xiàn)代化礦井采煤裝備的核心,關(guān)系著煤礦安全高效生產(chǎn),但國產(chǎn)采煤機(jī)故障頻發(fā),故對(duì)其監(jiān)測(cè)和故障診斷關(guān)鍵技術(shù)進(jìn)行研究迫在眉睫。滾動(dòng)軸承是電牽引采煤機(jī)的核心零部件,也是采煤機(jī)的重要故障源之一,準(zhǔn)確判斷軸承工作狀態(tài)直接關(guān)系到整個(gè)采煤機(jī)的安全。研究滾動(dòng)軸承的診斷技術(shù),對(duì)于避免重大事故的發(fā)生具有重要的理論研究?jī)r(jià)值和實(shí)際應(yīng)用意義。本論文從強(qiáng)背景噪聲下微弱故障特征的提取入手,針對(duì)現(xiàn)有提取方法的不足,

2、將經(jīng)驗(yàn)?zāi)Ｊ椒纸?Empirical Mode Decomposition,EMD)方法和隨機(jī)共振理論引入到滾動(dòng)軸承振動(dòng)分析及故障診斷中,結(jié)合EMD分解和隨機(jī)共振理論各自的特點(diǎn),提出了改進(jìn)的EMD算法和自適應(yīng)隨機(jī)共振相結(jié)合的機(jī)械故障特征提取方法。
　　本文首先結(jié)合滾動(dòng)軸承的基本結(jié)構(gòu)和常見故障,對(duì)滾動(dòng)軸承的振動(dòng)特性進(jìn)行研究,得到滾動(dòng)軸承分別在內(nèi)圈、外圈以及滾動(dòng)體存在缺陷時(shí)的時(shí)頻特性。其次,在對(duì)EMD基本理論、算法及其特性進(jìn)行研究的基礎(chǔ)

3、上,針對(duì)EMD在實(shí)際運(yùn)用中存在的端點(diǎn)效應(yīng)和模式混合等問題進(jìn)行研究,提出了有效解決這些問題的方法:把支持向量回歸和窗函數(shù)有機(jī)結(jié)合起來,消除了EMD的端點(diǎn)效應(yīng);利用EEMD法解決了模態(tài)混合問題;以信噪比為判別標(biāo)準(zhǔn),很好地提取出含有故障信息的本征模函數(shù),實(shí)現(xiàn)EMD算法的改進(jìn)。然后,針對(duì)背景噪聲下微弱故障特征提取的難題,提出一種基于自適應(yīng)隨機(jī)共振微弱信號(hào)檢測(cè)方法。該算法選用雙穩(wěn)系統(tǒng)輸出的信噪比作為遺傳算法的適應(yīng)度函數(shù),實(shí)現(xiàn)隨機(jī)共振系統(tǒng)中多個(gè)參數(shù)

4、的自適應(yīng)選取,同時(shí)對(duì)微弱信號(hào)進(jìn)行頻率尺度變換處理,使其滿足隨機(jī)共振條件。仿真信號(hào)和滾動(dòng)軸承內(nèi)圈故障數(shù)據(jù)的分析表明,該算法在采樣點(diǎn)數(shù)較少的條件下能從強(qiáng)背景噪聲中檢測(cè)微弱的高頻周期成分。最后,針對(duì)超強(qiáng)背景噪聲下信噪比極低的微弱特征信號(hào)的識(shí)別問題,單獨(dú)使用改進(jìn)的EMD分解方法或自適應(yīng)隨機(jī)共振算法效果不佳,提出改進(jìn)的EMD算法和自適應(yīng)隨機(jī)共振相結(jié)合的微弱信號(hào)特征提取方法。結(jié)合改進(jìn)的EMD分解和隨機(jī)共振理論各自的特點(diǎn),首先利用改進(jìn)的EMD分解對(duì)實(shí)