資源描述:
《探索滾動軸承故障微弱信號特征識別技術(shù)研究》由會員上傳分享,免費在線閱讀,更多相關內(nèi)容在學術(shù)論文-天天文庫。
1、分婁譬U49壤步太淫碩士學位論文滾動軸承故障微弱信號特征識別技術(shù)研究魏蔚巨永鋒教授中請學位級別碩士學科專業(yè)名稱交通信息工程及控制論文提交FJ期2008年4月論文答辯日期2008年6月1日長安大學答辯委員會主席汪貴,F(xiàn)教授學位論文評閱人楊延M剮教授劉濘教授摘要滾動軸承是旋轉(zhuǎn)機械中應用最多、最為關鍵的機械零件,同時也是最易損壞的機械零件之一。軸承的好壞對機器工作的影響極大,旋轉(zhuǎn)機械的許多故障都與滾動軸承有關,軸承工作性能的好壞直接影響到與之相關聯(lián)的軸以及安裝在轉(zhuǎn)軸上的齒輪乃至整臺機器設備的性能。其缺陷通常使設備產(chǎn)生異常的振動和噪聲,發(fā)展成
2、故障就將造成設備損壞,甚至發(fā)生災難性事故。大型動力裝備的滾動軸承在惡劣環(huán)境條件下,極易發(fā)生點蝕、疲勞剝落和磨損等故障,為了預防故障的發(fā)生,必須提前發(fā)現(xiàn)軸承隱患,將其消滅在萌芽狀態(tài)。因此,開展對滾動軸承的故障診斷具有很現(xiàn)實的意義。由于設備運行狀態(tài)以及外部噪聲的影響,滾動軸承的故障特征信號往往淹沒在強背景噪聲中,尤其在故障早期階段。因此,如何從強背景噪聲中提取反映運行狀態(tài)的微弱特征信號成為軸承故障診斷的關鍵。頻譜峭度是在頻域中表征連續(xù)暫態(tài)的出現(xiàn)和位置的一個統(tǒng)計的工具。它能夠在強噪聲下檢測到信號中的瞬態(tài)特征。本論文以短時傅立葉變換為信號預處
3、理工具,研究了短時傅立葉變換的窗口長度與窗口移動步長對頻譜峭度的影響,并將基于短時傅立葉變換的譜峭度應用于滾動軸承微弱故障信號的診斷,通過軸承實驗臺早期外圈故障振動信號驗證了該方法的有效性。通過與傳統(tǒng)的頻譜、包絡譜分析比較,結(jié)果表明基于短時傅立葉變換的譜峭度克服了傳統(tǒng)包絡解調(diào)方法的不足,為帶通濾波器的帶寬和中心頻率的確定提供了依據(jù),能更有效地揭示滾動軸承早期故障特征信息。關鍵詞:滾動軸承,短時傅立葉變換,頻譜峭度,故障診斷ABSTRACTTherollingbeatingisoneofthewidespreadandthemostcr
4、iticalmechanicalpartsinrotatingmachinery,butalsoisthemostquick-wearpartsofthemechanical.Beatingonthemeritsordemeritsofagreatimpactontheworkofthemachines,manyofrotatingmachineryfaultwiththerollingbeatings,bearingperformancewillhaveadirectimpactonassociatedwiththeinstalla
5、tionoftherotorshanandthegearandtheentiremachineequipmentperformance.Thedefectsusuallyhaveequipmenttotheabnormalvibrationandnoise,willdevelopintoafaultcausedequipmentdamage,andevencatastrophicaccidents.Whenthelarge—scalyequipmentsruninbadcondition,thepiRing,spallingandfa
6、tiguefailuresoftenOccursintherollingbeatings.Inordertoavoidabnormaleventprocession,theinherentfailureofrollingbearingshouldbedetectattheincipientstage.However,Dependingonmachineoperatingconditionsandadditivenoise,theusefulfaultinformationusuallyburiedinthestrongbackgrou
7、ndnoise.Therefore,howtoextractthefaultfeaturesisakeytechnologyforbearingfaultdiagnosis.Thespectralkurtosis(SK)isastatisticaltoolwhichcarlindicatethepresenceofseriesoftransientsandtheirlocationsinthefrequencydomain.TheSKiscapableofdetectingtransientsfromstrongadditivenoi
8、ses.Inthispaper,theshort—timeFourier-transform(STFT)isusedtopre-processthesignal.Theinfluenceoflengthandstepof