燃?xì)廨啓C(jī)軸承故障診斷與故障預(yù)測(cè)技術(shù)研究.pdf

1、隨著燃?xì)廨啓C(jī)技術(shù)的逐漸成熟以及工業(yè)生產(chǎn)的需求，燃?xì)廨啓C(jī)在一些工業(yè)生產(chǎn)中的地位不斷提高。燃?xì)廨啓C(jī)發(fā)生故障不僅維修需要花費(fèi)，而且延誤工業(yè)生產(chǎn)將造成更大的損失。因此，有必要對(duì)其故障進(jìn)行診斷與預(yù)測(cè)，尤其是故障多發(fā)的軸承部件。本文根據(jù)燃?xì)廨啓C(jī)軸承的特點(diǎn)，對(duì)其進(jìn)行了故障診斷與故障預(yù)測(cè)方面的研究，并最終基于LabVIEW建立了系統(tǒng)平臺(tái)。主要包括以下工作內(nèi)容：
　　 (1)基于振動(dòng)診斷法對(duì)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(duì)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(duì)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(duì)軸承進(jìn)行故障診斷。針對(duì)軸承不同故障情況下，振動(dòng)加速度數(shù)據(jù)具有不同的頻域、時(shí)域特征這一特點(diǎn)，采用小波包方法提取軸承頻域范圍的特征值。計(jì)算出軸承在時(shí)域范圍內(nèi)具有代表性的特征值。時(shí)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(shí)現(xiàn)對(duì)

3、軸承的智能故障診斷。
　　 (3)基于時(shí)序預(yù)測(cè)與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法對(duì)軸承進(jìn)行故障預(yù)測(cè)。根據(jù)相空間重構(gòu)理論對(duì)軸承參數(shù)進(jìn)行重構(gòu)。采用BP神經(jīng)網(wǎng)絡(luò)對(duì)燃?xì)廨啓C(jī)軸承運(yùn)行的相關(guān)參數(shù)進(jìn)行了單參數(shù)、單點(diǎn)的時(shí)序預(yù)測(cè)。將單點(diǎn)預(yù)測(cè)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(jī)軸承故障診斷與故障預(yù)測(cè)的系統(tǒng)平臺(tái)。選定NI公司的LabVIEW作為軟件開(kāi)發(fā)平臺(tái)進(jìn)行程序設(shè)計(jì)