基于小波分形和神经网络的滚动轴承故障诊断

北京交通大学硕士学位论文基于小波分形和神经网络的滚动轴承故障诊断姓名：张俊申请学位级别：硕士专业：机械电子工程指导教师：万里冰20090601基于小波分形和神经网络的滚动轴承故障诊断作者：张俊学位授予单位：北京交通大学相似文献(10条)1.学位论文刘冬霞滚动轴承故障诊断系统开发研究2008滚动轴承是机电系统中的易损零件，许多机械的故障都与滚动轴承的状态有关。据统计，在使用滚动轴承的旋转机械中，大约30％的机械故障是由滚动轴承的损坏造成的，可见滚动轴承的好坏对机电系统的工作状况影响极大。设计不当、安装工艺不好、轴承的使用条件不佳或突发载荷等因素的影响都会使轴承在运行一段时间后产生各种各样的缺陷，并且在继续运行中进一步扩大，使轴承运行状态发生变化。因此，滚动轴承的故障诊断一直是研究的热点。本文通过大量的文献资料阅读，在对轴承振动检测以及故障诊断技术的现状和发展趋势有了比较全面的了解的基础上，对滚动轴承各种振动信号的主要分析方法进行了详细的说明，包括时域分析、频域分析、时频域分析以及各种时、频域特征提取方法，并深入研究基于希尔伯特变换的包络分析(EnvelopeAnalysisTechnique-EAT)(共振解调)方法，该方法对轴承进行故障诊断的效果非常明显，能够精确地判断出故障类型。本文介绍了滚动轴承的故障类型和故障特征频率的计算方法，并开发了一套以NationalInstrument公司生产的NIUSB9233为核心、基于希尔伯特变换和包络分析的故障信号分析处理技术的故障诊断系统，能够准确地判断滚动轴承的故障及发生的位置。本文介绍了以NIUSB9233为核心的故障诊断系统的研制过程，主要包括：振动信号采集、信号分析与处理、故障诊断三个模块以及利用LabVIEW软件进行故障诊断的过程。为了验证该开发系统的有效性，本文进行了实验研究，对6203型单列深沟球轴承的故障进行了检测，把采集得到的数据经A/D转换输入计算机，基于WindowsXP操作系统和LabVIEW软件平台进行信号分析和处理以及故障诊断，取得了满意的效果。实验结果表明，本系统可以有效、准确地诊断出滚动轴承的故障类型。最后，对本文的研究工作进行了全面的总结，并指出了有待进一步研究的几个问题。2.会议论文李萌.陆爽.陈岱民基于小波神经网络的滚动轴承智能故障诊断系统本文通过对滚动轴承振动信号特征分析,采用小波包变换方法对其建立频域能量特征向量以减少输入维数,进而构造出了轴承特征空间和故障空间的模式,然后采用径向基函数人工神经网络,通过该网络的学习和训练,实现了两个空间之间的非线性映射,完成了滚动轴承故障模式的识别.同时应用Matlab软件强大的计算功能,设计建立了滚动轴承智能故障诊断系统.理论和实验证明了该系统的有效性,且具有较高的识别精度.3.会议论文姜玉龙.汪庆年.刘夏.武和雷基于DSP的滚动轴承故障诊断系统的设计2007滚动轴承是旋转机械中最重要的部件之一.其故障诊断一直是各国研究的热点。设计了一套滚动轴承故障诊断系统,该系统以DSP为核心处理器对采集到的滚动轴承的振动信号利用小波变换进行处理,实现对信号的时域和频域分析。达到了轴承故障诊断的目的。该系统可以进一步推广到其他振动信号的采集与处理。4.学位论文王亮基于DSP的滚动轴承故障诊断系统研究2008在机械设备中滚动轴承是最常见的机械部件之一，它的运转状态直接影响到整台机器的运行，因此对滚动轴承进行状态监测和故障诊断就显得格外重要和具有意义。在国内的企业中，对价格昂贵的大型机械设备往往采用在线式状态监测系统进行实时的状态监测，而在线式设备故障诊断系统因其昂贵的造价，安装和维护地不便而不适用于中小型设备故障检测与诊断。针对这种情况研制一种离线式故障诊断设备就具有重要的应用价值。本文研究的对象是滚动轴承，论文从滚动轴承的结构入手，分析了轴承产生故障的机理，讨论了轴承故障的基本形式及其检测方法，介绍了滚动轴承各部件固有频率和故障特征频率的计算方法。详细介绍了共振解调器的设计方法，给出了电路设计的原理图，完成了基于DSP的硬件电路设计和系统搭建，设计了系统运行的软件代码。共振解调技术是一种对低频冲击所激起的高频共振波进行包络检波和低通滤波，获得一个相对于低频冲击放大并展宽了的共振解调波，并通过对此共振解调波的幅值和频谱分析来判断故障类型和量值的方法，按照其实现的方法可分为硬件共振解调和软件共振解调。本文采用基于硬件的共振解调技术为理论依据对滚动轴承的故障进行分析和判断。前端内置IC加速度传感器采集的振动信号，通过前端的调理模块进行信号放大，通过共振解调器进行带通滤波、包络检波和低通滤波等一系列的硬件信号处理方法后进入A/D进行模/数转换，最后进入DSP进行快速傅里叶变换(FFT)运算，以便进行频谱分析。通过对FFT运算后的数据进行分析就可以很清楚、容易地判断出故障，找出出现故障部件，进而达到滚动轴承故障诊断的目的。通过实验证明：该系统可以有效地提取故障信号，准确地判断出滚动轴承故障以及出现故障的具体部位，能够满足设计之初制定的设计要求。5.学位论文白文广基于虚拟仪器技术的滚动轴承故障检测系统的研究2008滚动轴承是发电企业设备中应用最广泛的零部件之一，它的运行状态直接影响到整台机器的功能，所以正确检测轴承故障，对延长其使用寿命、节省使用费用有很大的实际意义。本文首先分析了滚动轴承典型故障的故障机理及其振动特征，详细介绍了滚动轴承振动信号分析与故障诊断的方法；然后针对滚动轴承故障缺陷的特点，分别设计了基于包络解调分析的滚动轴承故障诊断方法、基于振动幅域参数指标的诊断方法和基于冲击脉冲法的滚动轴承故障诊断方法。最后，采用LabVIEW7.1语言，设计研发了基于虚拟仪器技术的滚动轴承故障诊断系统，融合了包络解调分析、振动幅域参数指标、冲击脉冲三种方法，该系统有效地提取了滚动轴承的故障特征，诊断识别出了滚动轴承的故障缺陷。6.期刊论文余光伟.李俊.陈晓阳.王成龙.王家亮.YUGuang-wei.LIJun.CHENXiao-yang.WANGCheng-long.WANGJia-liang基于虚拟仪器技术的滚动轴承故障诊断系统-轴承2007,(8)基于虚拟仪器技术的思想,利用labview软件设计并搭建了滚动轴承振动测试及故障诊断系统.通过对滚动轴承振动信号的采集及处理,得到轴承的各项振动性能参数.系统能够根据参数值、振动的时域图以及频谱图,对轴承状态进行准确判断,并可显示出故障产生部位及其发展趋势.7.学位论文赵志宇基于小波变换的滚动轴承故障诊断系统的研究与开发2005滚动轴承是旋转机械中最常见的零部件,它的运行状态直接影响到整台机器的性能.本文以精密机车滚动轴承故障诊断为背景,首先,分析了滚动轴承的故障机理和振动特征.其次,介绍了时域分析、频域分析、共振解调、小波变换等多种滚动轴承故障特征提取方法.为了提取机车滚动轴承早期损伤类故障特征,本文提出了一种双重小波平均谱方法,并通过诊断实例验证了方法的有效性.再次,研究了专家系统技术在轴承故障特征分析中的应用,提出在知识存储结构上采用故障树+规则的方式,在诊断推理中采用正反向混合推理策略.最后,结合小波变换等多种特征提取方法和专家系统技术,设计了滚动轴承故障诊断系统.并在Windows平台上,采用面向对象的De1phi6.0,开发了滚动轴承故障诊断系统软件VGFD1.0.使用仿真信号和实测信号对系统进行了功能检测.试验结果表明,诊断系统能有效诊断滚动轴承早期故障,并给出故障的程度、部位、原因及相应的处理意见.8.期刊论文严明贵.朱善安.唐秋杭.YanMinggui.ZhuShan'an.TangQiuhang基于DSP和ARM双处理器的嵌入式滚动轴承故障诊断系统-电工技术2006,(3)]介绍了一种基于DSP和ARM的双核嵌入式滚动轴承故障诊断系统的研制,包括整个系统的总体设计方案,系统的硬件设计和程序框架.实际测试结果证明该系统能快速有效地对滚动轴承进行故障诊断.9.学位论文陈祎机车走行部滚动轴承故障诊断系统的研究2005滚动轴承作为机车走行部的重要部件，其运转状态的良好直接对行车安全构成重大影响。　　本文致力于内燃机车轮对滚动轴承信号的监测，特别是振动信号的特征提取用于故障诊断的研究。在参考大量文献的基础上，在综合考虑损伤点运动和载荷分布不均等因素影响下，建立了轴承的外圈、内圈和滚动体早期故障模型，分析了滚动轴承的振动信号频谱分布特征，设计了一个基于CAN总线和USB总线的故障诊断系统。该系统可同时对振动和温度信号进行采集、传输，在交互性好的人机界面中根据输入参数进行信号的时域统计、频域分析、数据库操作，自动诊断滚动轴承的运转状态及故障发生部位。10.学位论文李晶基于DSP的滚动轴承故障诊断系统的研究与开发2008滚动轴承故障诊断就是通过对能反映轴承工作状态的信号的观测，分析与处理来识别轴承的状态，以保证轴承在承受一定的载荷，以一定转速运转的工作环境下和一定的工作期间内可靠有效的运行。完整的滚动轴承故障诊断过程包含信号测取、特征抽取、故障诊断三部分。信号测取：这部分是整个研究过程的关键，也是难点部分，直接关系到滚动轴承故障诊断的精确度。经过理论分析和对比，采用声级计采集滚动轴承的工况信号，在保证奈奎斯特采样定理的条件下，通过WT6701PA板上的A/D进行信号的采样，基于DSP内部存储器空间有限，利用CCS的实时数据跟踪性，通过C语言编程触发DSP外部中断，启动直接存储器访问DMA，实时传输采样数据到主机中，以数据文件存储。特征抽取：就是对采样信号进行分析处理的过程。随着小波分析技术和谱分析技术的发展，开创了用时频域分析方法来检测和诊断轴承故障的新领域。小波变换是一种时间.尺度分析法，尺度与频率相对应，因此是一种时频分析法；小波变换具有以下特点：在高频范围内时间分辨率高，在低频范围内频率分辨率高；有快速算法-Mallat算法；利用离散小波变换可以将信号分解到各个尺度上。这种分析方法的关键是必须知道采样频率在Mallat算法中的变化规律。基于DSP内部独特的结构和可编程性，使得以DSP为核心的高速实时处理系统，既能快速处理大批量数据，又能对信号进行实时处理，所以本课题选用可编程的TMS320C6701DSP芯片来实现滚动轴承信号的小波变换。再通过Matlab对采样信号进行谱分析。通过对比，完成信号的特征抽取。故障诊断：通过对多个滚动轴承信号的分析对比，以及滚动轴承故障特征频率的计算，诊断滚动轴承的故障。本文链接：授权使用：上海海事大学(wflshyxy)，授权号：fcdb8215-09cf-4bb9-a6f3-9dd80116d54a下载时间：2010年8月20日