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(jī)械設(shè)備中常用的關(guān)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(shè)備的性能。因此，對滾動軸承的檢測與故障診斷技術(shù)進(jìn)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(yīng)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(guān)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(jī)在軸承智能診斷中的

2、應(yīng)用。主要進(jìn)行了以下工作： 介紹了滾動軸承的振動機(jī)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(biāo)和頻域統(tǒng)計指標(biāo)，討論了這些指標(biāo)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(xì)化問題，研究了基于復(fù)解析帶通濾波器的頻譜細(xì)化分析原理和方法，并對這一方法進(jìn)行了實驗研究。 研究了小波分析和小波包理論的應(yīng)用，應(yīng)用小波閾值降噪方法對軸承振動信號進(jìn)行小波降噪處理，然后應(yīng)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(gòu)成了滾動軸承故障診斷的特征集。 研究了支持向量機(jī)方法及其在滾動軸承智能診斷中的應(yīng)用。分別利用時域無量綱統(tǒng)計指標(biāo)和頻帶能量構(gòu)成的特征集對多項式核函數(shù)SVM和徑向基核函數(shù)SVM進(jìn)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(jié)果表明，選擇合適的核函數(shù)和相關(guān)參數(shù)將極大地提高SVM診斷的準(zhǔn)確性。 最后，本文基于虛擬儀器技術(shù)完成了滾動軸承振動檢測軟件系統(tǒng)的設(shè)置功能