面向電機軸承的快速故障診斷方法研究.pdf

1、工業(yè)現(xiàn)場對使用的電機軸承往往提出苛刻的要求，必須減少停機時間、盡可能長時間的運轉(zhuǎn)。因此，對于電機的維護工作是十分重要的，尤其是一些重要的系統(tǒng)和設備部位。近些年來，軸承故障診斷得到了長足發(fā)展，領域內(nèi)出現(xiàn)了許多新的研究方法。信號分析法，如傅立葉變換和小波變換已經(jīng)被廣泛應用，但是有些方法往往僅擅長于線性、平穩(wěn)的信號的分析。事實上，它們并不都能很好的適應非線性、非平穩(wěn)的軸承振動信號。
　　本文開篇即簡述了研究對象和方法，并綜述了國內(nèi)外故障

2、診斷領域的發(fā)展歷程以及研究現(xiàn)狀。本文的首要目標就是為了要檢測并且區(qū)分不同類型的故障，得到一種針對電機軸承故障的集合型診斷方法。這一診斷系統(tǒng)還要可以同步記錄數(shù)據(jù)，并且依據(jù)這一數(shù)據(jù)給出正確的診斷結果。經(jīng)驗模態(tài)分解具備很強的非平穩(wěn)信號分解能力，可以將信號分解成一系列頻率自高到低的各成分；使用固定點迭代算法對于信號特征提取能力較強，適用于非高斯的電機軸承的振動信號。增量概率神經(jīng)網(wǎng)絡使用在線的增量法對概率神經(jīng)網(wǎng)絡進行優(yōu)化，對參數(shù)進行訓練，并具有較

3、強的分類能力。綜合考量各方法的特點，提出了基于 EMD-FICA-IPNN的電機軸承集合型故障診斷方法，通過凱斯西儲大學的軸承數(shù)據(jù)進行了故障診斷實驗。結果表明改進的方法對軸承信號有較好的精確性、適應性、快速性。
　　實驗平臺的建設分軟件和硬件兩部分。硬件部分采用了多功能數(shù)據(jù)采集板卡PCI-1710HG和加速度傳感器LC0159等設備、器材。此外，基于LabVIEW軟件平臺還制作了相應的實驗數(shù)據(jù)采集以及故障診斷軟件。根據(jù)實驗驗證，集