当前位置: > 硕士毕业论文 > 42000字硕士毕业论文小波分析滚动转子故障诊断技术

42000字硕士毕业论文小波分析滚动转子故障诊断技术

论文类型:硕士毕业论文
论文字数:42000字
论点:小波,包络,故障
论文概述:

本文采用了处理频域信息有着得天独厚优势的小波分析法,通过本质的对比不难发现小波分析法的优势。提出了快速小波滤波器组分解,通过观察包络频谱的故障特征频率完成故障诊断。

论文正文:

第一章绪论

滚动轴承故障诊断在当今社会的许多领域都占有非常重要的地位,其内在的经济价值在国内外都有所发现。目前,国外对该技术的研究已经相对成熟,并正在向智能化和集成化方向发展。虽然我国目前还处于初级阶段,但各高校结合国外先进技术,提出了自己独特的理念,并将其应用于实际生产中,产生了巨大的经济效益。由于滚动轴承存在于大量旋转机械中,设备的实时监测和诊断可以避免许多不必要的经济损失甚至重大事故。

1.1研究背景和意义
随着生产系统和设备的自动化、高速和精度的不断提高以及设备本身的不断扩大,在21世纪,随着科技生产力的不断发展,各部门不仅对生产效率和成本提出了更高的要求,而且对设计、使用和维护也制定了更严格的标准。小故障有时会影响整个系统的稳定性和安全性,甚至导致整个系统瘫痪。滚动轴承是电力、机械、航空航天等领域应用最广泛的机械零件,也是容易损坏的零件。因此,滚动轴承作为一个至关重要的旋转部件,其故障诊断和定期维护越来越受到人们的重视。
滚动轴承是机械设备中常见的零件,也是机械设备中常见的故障之一。据统计,旋转机械中大约30%的故障是由滚动轴承引起的。尤其是感应电动机的故障,甚至占40%;齿轮箱故障中,仅次于齿轮故障,高达19%。查阅相关资料,在我国,机车上使用的滚动轴承每年有40%必须检查出车辆,约33%的滚动轴承必须更换。因此,机车轴承的故障诊断也具有重要的意义和实用价值。此外,应用故障诊断技术后,机械设备故障的概率可降低75%,维修费用可降低25%~50%。
仍然有许多实际例子。例如,在1985年,大同发电厂失去了它的轴,并摧毁了它的机器。不到40秒,所有发电机组都遭到破坏,直接损失达1000多万元。1988年,位于陕西省的秦岭发电厂因轴系断裂(汽轮发电机组)遭受了约3000万元的经济损失。……
..............................

第二章滚动轴承振动信号的提取及小波分析的基本理论

针对振动信号包含更多信息的特点,本文拟提取滚动轴承振动信号的特征来完成故障诊断。实验设备QPZZ-II系统可以模拟滚动轴承的几种故障状态,并利用加速度传感器测量所需的实时振动信号。对于振动信号的处理和分析,由于傅立叶变换的局限性,本文采用小波分析方法,在处理频域信息方面具有独特的优势。通过本质的比较,不难发现小波分析方法的优势。本章主要包括三个部分。首先,系统介绍了该滚动轴承的结构、故障表现和特征参数。其次,系统介绍了用于本课题研究的实验设备QPZZ-ⅱ系统。最后,系统阐述了小波分析在本文中的应用基础理论。

2.1滚动轴承基本介绍

2.1.1滚动轴承
结构作为旋转机械的重要支撑部件,滚动轴承主要由以下部件组成:保持架、滚动体(滚珠、圆柱滚子、圆锥滚子等)。本文采用圆柱滚子)、内圈和外圈。滚动轴承的混凝土结构。

2.1.2滚动轴承故障表现及滚动轴承参数
一般来说,根据振动信号的特点,滚动轴承故障表现分为两类。一类是磨损(由于润滑不良或异物掉落造成的磨损,早上直接接触轴承表面造成的磨损),另一类是损坏类别(表面裂纹、剥落、磨损等)。)。
当轴承出现磨损型故障时,振动信号非常随机,可以根据振动水平直接诊断。滚动轴承最传统的故障是损伤故障,据统计,滚动体故障的概率很小,保持架故障的概率甚至更小,但内圈和外圈裂纹故障的概率占90%,当然混合故障也是可能的。本文主要研究滚动体、内圈和外圈损伤的单一故障诊断。

1。滚动轴承的故障表现
(1)磨损。基本原因是磨粒的存在、不良润滑剂和机械原因。磨损会导致振动和噪音、表面粗糙、轴承间隙增大和其他后果。
(2)塑性变形。从名称上可以看出,轴承受到了太大的冲击,或者轴承的塑性变形是由压痕造成的太多载荷积累造成的。
(3)断裂。运行过程中因热应力过大、负荷过大或疲劳而导致的轴承零件断裂和裂纹。
(4)腐蚀。不仅包括化学腐蚀和电腐蚀,还包括轴承座孔上轴承环轻微相对运动引起的微震腐蚀。
(5)胶合。一般来说,这是在润滑不良、温度高、负荷重的情况下,滚道和滚子表面受热造成的局部熔合现象。
(6)疲劳剥落。从名称的角度来看,这是因为表面开始有一定的裂纹,然后不断膨胀形成剥落坑,最后发展成大片状。

2。不同参数的滚动轴承
具有不同的特征故障频率和不同的固有频率。故障特征频率是小波包络谱分析的关键。
可实现旋转机械各种状态和振动的快速模拟,并可轻松完成各种状态的对比分析和诊断;特别是,各种齿轮轴错位的模拟试验方法已在世界上首创。..............................
..............................

第3章振动信号预处理..........................................18基于小波阈值去噪
3.1小波去噪中小波基函数的选择........................................................18
3.1.1基础知识解释...............................................................................................18
3.1.2基于信噪比选择的小波基函数............................................................21
3.2将SQTWOLOG
应用于振动信号小波阈值去噪预处理的常规阈值......................................................22
3.2.1硬阈值、软阈值函数和半软阈值函数.........................................22
3.2.2阈值的选择....................................................................................23
3.2.3小波阈值去噪步骤....................................................................................25
3.3小波阈值去噪仿真结果分析....................................................................25
3.4本章概述.................................................................................................26
第四章是基于小波变换和希尔伯特·
的研究..................................................................................27
用包络分析方法变换4.1选择小波基函数....................................................................27
4.2基于滤波器组的快速小波分解....................................................................28
4.2.1.........................................29
基于滤波器组快速小波分解的基本原理4.3故障诊断................................30基于希尔伯特变换和包络谱分析的
4.3.1包络谱分析过程....................................................................................30
4.3.2希尔伯特变换原理概述................................................................................30
4.4滚动轴承故障诊断仿真结果分析........................................................31
.............................................

结论
本文应用QPZZ-ⅱ系统对滚动轴承进行故障仿真,获得振动信号数据,主要针对N205EM型滚动轴承的故障诊断。诊断过程主要分为两个阶段,一阶段是应用小波去噪对影响故障特征信号的噪声进行滤波,另一阶段是对去噪后的振动信号进行分析和诊断。在小波去噪的第一阶段,分别采用硬阈值、软阈值和半软阈值,并根据三种方法中的最佳方法一次去噪。在故障诊断的第二阶段,分别构建了小波包络分析诊断模型和递归小波分解结合神经网络诊断模型。在小波包络法中,采用快速小波分解来提高分解效率,从包络谱中可以清楚地看出故障频率的存在。创新性地应用递归小波分解提取振动信号的特征相量,并结合自组织映射神经网络解决滚动轴承故障诊断问题。最后,研究结果表明,这两种方法具有良好的诊断效果,各有优缺点。小波包络分析图形直观,但振动信号不明显时不易观察。递归小波结合神经网络结果直观,无需观察,但特征提取速度慢。
全文的主要工作和得出的主要结论概述如下:
1。基于小波分解
选择三种去噪方法进行故障诊断时,要提取的特征相量往往容易受噪声影响,难以提取,因此滤波噪声成为故障诊断效率的关键因素。根据上述特点,本文采用了三种典型的去噪方法,并根据标准信噪比和均方误差确定哪种方法去噪效果最好。从以上标准来看,去噪效果良好。
2。基于小波分解的包络谱分析
根据小波基函数的相似系数,选择合适的小波基函数对去噪后的振动信号进行小波分解。本文创新性地将小波快速分解应用于包络分析,不仅获得了相应的小波系数,而且提高了效率。对小波系数重构的第一层和第四层小波系数进行希尔伯特变换,得到包络谱并进行分析。研究结果表明,第一包络频率以故障频率和倍频的形式呈现振幅状态,第四包络频率以主频和边频的形式呈现振幅状态。分析结果良好,能够完成滚动轴承的故障诊断。......

参考
[1]陈进。机械设备的振动监测和故障诊断。上海:上海交通大学出版社,1999: 10-35
[2]周付长。基于循环平稳信号处理的滚动轴承故障诊断方法研究。上海交通大学,2006: 1-10
[3]曲良生。他是贾政。机械故障诊断[。上海:上海科学技术出版社,1986: 1-40 [/BR/] [4]黄文虎,夏宋博,刘严蕊。设备故障诊断的原理和技术及其应用[。北京:科学出版社,1996:10-45[/比尔/] [5]徐敏。黄邵毅。设备故障诊断手册-机械设备的状态检测和故障诊断[M】。Xi安:Xi交通大学出版社,1998:5-30
[6]程道来,吴倩,鲁闫婷等.中国发电厂故障诊断系统的现状及发展方向[.动力工程,1999。19(1):53-57
[7]高一龙。数据挖掘技术及其在工程诊断中的应用[。Xi安:Xi交通大学,2000: 1-10
[8]赵明远,朱恒军。机车轴承故障诊断与预测方法[。机车电气传动,2005 (5): 58-60
[9]谢宝义。工程机械状态检测与故障诊断技术[。计量测试技术,2002 (4): 40-43
[10]梅洪斌。滚动轴承振动监测与诊断[。北京:机械工业出版社,1995: 1: 45