摘 要

　　現代工業(yè)化生產(chǎn)裝備正朝著(zhù)大型化、復雜化、自動(dòng)化、高效率的方向發(fā)展，裝備投資巨大，且持續高效率產(chǎn)出，非計劃停產(chǎn)將造成重大的損失，所以設備故障問(wèn)題越來(lái)越引起人們的關(guān)注。滾動(dòng)軸承作為常見(jiàn)的較為精密的旋轉機械部件，容易發(fā)生故障，且發(fā)展故障引起的后果很?chē)乐亍�對軸承的狀態(tài)進(jìn)行不停機檢測具有重要的經(jīng)濟意義。

　　本文以滾動(dòng)軸承故障振動(dòng)信號為研究對象，通過(guò)兩個(gè)方面針對滾動(dòng)軸承的故障信號在背景噪聲干擾下故障特征難以準確快速提取的問(wèn)題展開(kāi)研究，其一，提出基于固有時(shí)間尺度分解（intrinsic time-scale decomposition, ITD）和最小熵解卷積（minimum entropydecomposition, MED）相結合的特征提取方法；其二，研究快速譜峭度圖在滾動(dòng)軸承故障信號共振解調中的應用。論文研究的具體內容如下：

　　（1）滾動(dòng)軸承故障基礎理論研究。研究了滾動(dòng)軸承失效形式和振動(dòng)機理，并詳細的研究了滾動(dòng)軸承理論特征頻率，為實(shí)驗研究提供理論依據。研究結果表明，雖然設備故障的形式多種多樣，但是滾動(dòng)軸承故障具有相對清晰的故障特征所對應的特征頻率，為在實(shí)驗或者工程中的檢測工作提供了依據。

　　（2）建立旋轉機械故障模擬實(shí)驗臺，以 N205EM 和 NU205EM 型號滾動(dòng)軸承為實(shí)驗研究對象，在實(shí)驗平臺上測取了三種典型故障（外圈故障、內圈故障、滾動(dòng)體故障）和正常狀態(tài)下的振動(dòng)信號。通過(guò)分析軸承故障信號與正常軸承信號的時(shí)域值，可以看出滾動(dòng)軸承故障信號的振動(dòng)值比滾動(dòng)軸承正常狀態(tài)下的振動(dòng)值更大，可以判斷滾動(dòng)軸承是否存在故障。但是滾動(dòng)軸承具體是發(fā)生何種故障，即故障的具體發(fā)生在哪個(gè)部件上僅僅根據滾動(dòng)軸承的時(shí)域信號無(wú)法判斷出，需要做進(jìn)一步的信號分析，判斷出滾動(dòng)軸承故障的確切部件。

　　（3）針對滾動(dòng)軸承故障沖擊信號在強背景噪聲下難以提取的問(wèn)題，提出了固有時(shí)間尺度分解（ITD）和最小熵解卷積（MED）相結合的故障特征提取方法。先對信號進(jìn)行 ITD 分解，通過(guò)計算各分量與原信號的相關(guān)系數，去除虛假分量后重構信號；接著(zhù)用MED 的方法對重構后的信號進(jìn)行降噪處理；最后對降噪后的信號進(jìn)行頻譜分析，提取出故障特征頻率。

　　（4）共振解調技術(shù)的濾波參數需要人工經(jīng)驗設定，帶來(lái)較大的偶然性和局限性，需要有豐富經(jīng)驗的工作者來(lái)執行。本文研究利用快速譜峭度圖來(lái)確定帶通濾波器的最優(yōu)參數，彌補了人工設定的局限性，減少了人工設定的人為誤差。通過(guò)仿真信號驗證算法的準確性，通過(guò)獲取滾動(dòng)軸承故障模擬實(shí)驗數據來(lái)驗證該方法的有效性。取得了較好的效果。

　　關(guān)鍵詞：滾動(dòng)軸承；故障診斷；固有時(shí)間尺度分解；快速譜峭度圖；振動(dòng)信號

ABSTRACT

　　Modern industrial production equipment is developing towards large, complex, automatic and efficient direction. Equipment investment is huge, and continuous high efficiency production, unplanned shutdown will cause significant loss, so the problem of equipment failure has attracted more and more attention. Fault diagnosis technology has been highly valued at home and abroad, and develops rapidly. As a common and precise rotating machinery component, rolling bearing is prone to failure, and the consequences of developing faults are very serious. It is of great economic significance to detect the state of bearings by machine fault diagnosis technology. In this paper, taking the fault vibration signal of rolling bearing as the research object, aiming at the problem that the fault characteristics of the rolling bearing can not be extracted accurately and quickly under the noise interference, the combination of intrinsic time-scale decomposition (ITD) and the minimum entropy deconvolution (MED) is proposed. The method of feature extraction is also studied, and the application of fast spectral kurtosis graph in the resonance demodulation of rolling bearing fault signal is studied. The specific contents of this paper are as follows:

　　(1) the development of mechanical fault diagnosis and the basic methods of rolling bearing fault diagnosis and the development status of rolling bearing faults at home and abroad are introduced. At the same time, the basic structure of rolling bearing is simply introduced, which lays the foundation for the research of rolling bearing's failure mode and vibration mechanism. The calculation process of theoretical characteristic frequency of rolling bearing is introduced in detail, which provides a theoretical basis for experimental research. It can be known that, although the forms of equipment failure are varied, the rolling bearing failure has the characteristic frequency corresponding to the relatively clear fault characteristics, which provides the basis for the detection work in the project.

　　(2) three typical faults (outer ring fault, inner ring fault, rolling body fault and vibration signals under normal state are measured on the experimental platform by establishing a rotating machinery fault simulation test bench. By analyzing the time domain value of the bearing fault signal and the normal bearing signal, it can be seen that the vibration value of the fault signal of the rolling bearing is greater than that in the normal state of the rolling bearing. Based on this, we can roughly judge whether there is any fault in rolling bearing. But what kind of fault occurs in the rolling bearing, that is, the position of the fault can not be judged only according to the time domain signal of the rolling bearing. Further signal analysis is still needed to determine the exact element of the rolling bearing fault.

　　(3) According to the character of vibration of roller bearing with local fault in strong background noise, an intrinsic time-scale decomposition (ITD) analysis approach combined with minimum entropy decomposition (MED) is proposed. Based on ITD, false components can remove by calculating the noise property of each component and correlation coefficients for the original signal, the signal are reconstructed. The reconfiguration signal were processed by MED to reduce noises. Frequency- spectral analysts for de-noised signal is given to extract effectively the rolling bearing fault feature frequency. The results indicate that this method is able to minimizing background noise and improve the veracity of rolling bearing fault diagnosis.

　　(4) Resonance demodulation is one of the most commonly used methods in rolling bearing fault diagnosis. However, the filter parameters of the resonance demodulation technology need to be set manually, which can only be set according to experience, which brings great contingency and limitation, and needs a lot of experienced workers to execute it.

　　Spectral kurtosis index is very sensitive to the impact characteristics of signals, and is often used in the field of mechanical fault diagnosis. This paper studies and demonstrates the use of fast spectral kurtosis to determine the optimal parameters of the bandpass filter, which makes up for the limitations of artificial setting and reduces the uncertainty of artificial setting. Simulation and rolling bearing fault simulation experiments are carried out to verify the effectiveness of the proposed method. Good results have been achieved.

　　Key words: rolling bearing; fault diagnosis; intrinsic time scale decomposition; fast spectral kurtosis diagram; vibration signal.

　　現代化工業(yè)生產(chǎn)中，越來(lái)越趨向大規模化、機械化自動(dòng)程度高、智能程度高等特點(diǎn)，特別是在石油化工行業(yè)、礦產(chǎn)冶煉、化學(xué)工業(yè)等過(guò)程工業(yè)。這些工業(yè)中設備投資的額度往往很大，連續生產(chǎn)的流程及時(shí)間長(cháng)。隨著(zhù)生產(chǎn)對機械設備的依賴(lài)程度越來(lái)越高，對故障的預防和診斷越來(lái)越重要[1]。加強對生產(chǎn)設備的維護與監測，提高機械設備運行的可靠性，是保證設備長(cháng)期穩定運行關(guān)鍵。因此，為了確保設備安全穩定運行，提高生產(chǎn)效率，保證生產(chǎn)長(cháng)期穩定生產(chǎn)、增產(chǎn)，積極開(kāi)展設備的狀態(tài)監測與故障診斷技術(shù)的應用和研究工作，減少因機械故障停機帶來(lái)的直接或者間接的損失具有重大意義[2]。

　　故障診斷研究工作對于實(shí)現機械設備早期故障預告、保障設備長(cháng)期安全穩定運轉、降低設備全壽命周期費用、提高設備利用率、提高設備管理水平及實(shí)行科學(xué)維護等具有重要意義，主要表現在一下幾個(gè)方面[1]：

　　（1）預防事故，保障職員和裝備的安全，實(shí)現優(yōu)化運轉。由于設備故障引起的事故不僅會(huì )帶來(lái)很大的經(jīng)濟利益損失，也會(huì )帶來(lái)能源浪費、環(huán)境的污染等，甚至導致人員傷亡等嚴重的問(wèn)題。有效的故障診斷預測能夠未雨綢繆、防患于未然，避免發(fā)生惡性事故，而且能夠通過(guò)優(yōu)化設備的工作狀態(tài)以保障設備在較理想的狀態(tài)下運行。

　　（2）機械設備的故障診斷技術(shù)能夠為預知維修和停機維修提供先進(jìn)的科學(xué)手段，推動(dòng)設備定期維修制度的變革。預知維修、狀態(tài)維修明顯比按期維修有優(yōu)勢，可以提高設備運行的可靠性，減少大量維護費用。維修制度由定期維修向預知維修和狀態(tài)維修轉化是未來(lái)先進(jìn)設備維護的發(fā)展趨勢，而故障監測與診斷技術(shù)的發(fā)展和成熟是真正實(shí)現維修制度轉變的基礎。

　　（3）大型旋轉機械的故障預測對于整個(gè)國家工業(yè)技術(shù)水平、經(jīng)濟效益，甚至綜合國力的提高都具有巨大的促進(jìn)作用。

　　對于當代制造業(yè)，生產(chǎn)裝備具有規模大、復雜程度高、影響因素多等特點(diǎn)。對設備進(jìn)行全生命周期的狀況監測或者按期的故障檢測與診斷，能夠及時(shí)發(fā)現初期故障并預測故障的發(fā)展情況，提高設備運行的安全性，減少停產(chǎn)時(shí)間，提高生產(chǎn)效率。設備的不斷儀表化使得越來(lái)越多的數據可以用于故障檢測與診斷。當前，學(xué)術(shù)和工程研究中，大量涌現并集中開(kāi)發(fā)更有效的過(guò)程監控方法。在過(guò)程監控方面，統計質(zhì)量控制，解析監測、診斷方法等具有十分重要的使用意義[3]。

　　滾動(dòng)軸承是旋轉機械核心的構件之一，它的運行狀態(tài)的將直接的影響到整個(gè)機器系統的性能的優(yōu)劣。相較于別的機器零部件，滾動(dòng)軸承的壽命離散性大，即使是同一批生產(chǎn)同型號的軸承，它們的壽命也相差很大。因此，對軸承按照設計壽命進(jìn)行定期檢查和維修不是最科學(xué)的。

　　本文以滾動(dòng)軸承為研究對象，分別對滾動(dòng)軸承的外圈、內圈及滾動(dòng)體進(jìn)行加工，模擬滾動(dòng)軸承的外圈故障、內圈故障以及滾動(dòng)體故障。建立滾動(dòng)軸承故障模擬測試系統，利用此系統完成滾動(dòng)軸承不同故障狀態(tài)在不同轉速下的振動(dòng)信號的采集。綜合運用時(shí)域分析、固有時(shí)間尺度分解、最小熵解卷積、頻譜分析、快速譜峭度圖、共振解調等現代信號處理方法對滾動(dòng)軸承不同轉速不同故障狀態(tài)下振動(dòng)信號進(jìn)行分析識別故障類(lèi)型，實(shí)現對滾動(dòng)軸承故障特征提取的目的。

　　機械故障診斷涉及數理化、機械、電氣、電子、信息等領(lǐng)域的知識。在具體的機械故障診斷中，需要先對設備進(jìn)行工況監測，即對機械設備運行狀態(tài)的物理參數進(jìn)行測量，如位移、速度、加速度及其他振動(dòng)量、溫度等。所謂診斷，便是對機器運行狀態(tài)進(jìn)行識別、預測和判斷。根據測量得到的物理量（通常用專(zhuān)門(mén)的傳感器采集），間接判斷其運行狀態(tài)的優(yōu)劣，找到故障產(chǎn)生的機理，進(jìn)而實(shí)現消除故障。機械故障診斷技術(shù)是利用檢測方法和診斷手段，從所檢測的信息特征判別機械系統的工況狀態(tài)[3]。工況監視與故障診斷側重有所不同，工況監視就是監測設備動(dòng)態(tài)系統是否偏離正常的狀態(tài)，并監測其發(fā)展趨勢，防止突發(fā)性故障發(fā)生。如果偏離正常值應盡快做出相應的調整，使工況恢復到正常狀態(tài)。診斷就是如果系統某個(gè)部位存在故障，就要通過(guò)分析查明故障原因及其部位的過(guò)程[4]。機械設備運行過(guò)程就是一個(gè)充滿(mǎn)矛盾的過(guò)程。設備正常運行時(shí)，機械內部各零部件之間相互配合使其與外部環(huán)境保持動(dòng)態(tài)平衡，這是處于有序穩定的運行狀態(tài)。但當機械設備受到一定的外界干擾作用或者內部零部件的老化等因素影響下，原來(lái)有序運行的狀態(tài)被打破，這時(shí)候便會(huì )出現設備抗干擾、抗損傷與外界干擾因素之間斗爭的過(guò)程。

　　在不斷斗爭的過(guò)程中，則是以機械零部件在形態(tài)或結構、功能上的改變以及對環(huán)境適應能力下降的演變過(guò)程。

　　二十世紀六十年代以后，隨著(zhù)工業(yè)的發(fā)展，故障診斷作為一門(mén)工程技術(shù)逐步發(fā)展起來(lái)。1961 年美國開(kāi)始發(fā)展航天，推行了阿波羅登月計劃。1967 年，在美國航空航天局的首倡下，由美國海軍研究室負責建立美國機械故障預防小組，專(zhuān)門(mén)從事故障診斷技術(shù)的研發(fā)，以應對航天器出現的一系列機械故障。機械故障診斷為美國軍事、航空航天、石油化工等領(lǐng)域發(fā)展的安全提供了重要保障，取得了顯著(zhù)的經(jīng)濟效應。在二十世紀六十年代末七十年代初，以 R.Acollacott 為代表的英國機械保健中心開(kāi)始診斷技術(shù)的研發(fā)工作。1982 年 The University of Manchester 成立了 Watts 工業(yè)修維公司；Michael Neale andAssocite 公司等在研制監測系統、診斷儀器、開(kāi)發(fā)信號處理技術(shù)、故障和應力分析以及培訓等方面做了大量有益工作。在歐洲，機械故障診斷技術(shù)也取得很大發(fā)展，如 Sweden的 SPM 軸承檢測技術(shù)、Norway 的船舶監測技術(shù)、Denmark 的振動(dòng)分析和聲發(fā)射技術(shù)。

　　日本在鋼鐵、化工、鐵路等民用工業(yè)部門(mén)開(kāi)發(fā)應用設備診斷技術(shù)方面發(fā)展很快，占有某種優(yōu)勢。三菱重工、川崎重工等企業(yè)研制出許多實(shí)用的診斷儀器和軟件，如豐田立夫、三菱重工的柏木萬(wàn)博在旋轉機械故障診斷方法做了大量的經(jīng)驗積累工作，他們研制的機械保健系統在汽輪發(fā)電機組故障監測與診斷方法取得了實(shí)效。

　　在二十世紀七十年代末，我國也開(kāi)啟了故障診斷的研究工作。一些高等院校和科學(xué)研究院所結合教學(xué)開(kāi)始了有關(guān)機械故障診斷的課題研究。近十幾年來(lái)，設備診斷技術(shù)越來(lái)越受到高等院校、科研院所和企業(yè)界的重視，并得到了長(cháng)足的發(fā)展。我國在機械故障機理及識別特征研究、信號分析、實(shí)時(shí)監測系統開(kāi)發(fā)以及故障診斷專(zhuān)家系統編制等方面已達到國際先進(jìn)水平。在石化、電力、冶金等行業(yè)獲得了初步的應用，并取得明顯的效果。

　　隨著(zhù)現代科技的發(fā)展，特別是信息技術(shù)、計算機技術(shù)、傳感器等多種新技術(shù)的發(fā)展，數據采集、信號處理和分析手段日趨完善，從前無(wú)法和難以解決的故障診斷問(wèn)題變得越來(lái)越容易起來(lái)。設備故障診斷技術(shù)正在變成計算機、控制、通信和人工智能的集成技術(shù)。

　　近年來(lái)故障診斷技術(shù)呈現出診斷對象多樣化、診斷技術(shù)多元化、故障診斷實(shí)時(shí)化、診斷監控一體化、診斷方法智能化、監測診斷系統網(wǎng)絡(luò )化[5]。對于現代制造業(yè)，生產(chǎn)設備具有規模大、復雜程度高、影響因素多等特點(diǎn)。對設備進(jìn)行全生命周期的狀態(tài)監測或者定期的故障檢測與診斷，可以及時(shí)發(fā)現早期故障并預測故障的發(fā)展情況，提高設備運行的安全性，減少停產(chǎn)時(shí)間，提高生產(chǎn)效率。設備的不斷儀表話(huà)使得越來(lái)越多的數據可以用于故障檢測與診斷。當前，學(xué)術(shù)和工程研究中，大量涌現并集中開(kāi)發(fā)更有效的過(guò)程監控方法。在過(guò)程監控方面，統計質(zhì)量控制，解析監測、診斷方法等具有十分重要的使用意義。

滾動(dòng)軸承故障特征提取技術(shù)：

周期沖擊信號

含噪聲仿真信號

優(yōu)化后基于 FIR 濾波器的譜峭度圖

濾波信號時(shí)域包絡(luò )圖

濾波信號時(shí)域包絡(luò )圖

共振解調譜圖

目 錄

　　學(xué)位論文獨創(chuàng )性聲明
　　學(xué)位論文使用授權聲明
　　摘 要
　　ABSTRACT
　　創(chuàng )新點(diǎn)摘要
　　目 錄
　　第一章 緒 論
　　　　1.1 選題背景及意義
　　　　1.2 機械故障診斷的發(fā)展
　　　　1.3 滾動(dòng)軸承故障診斷方法
　　　　1.4 滾動(dòng)軸承故障診斷方法研究現狀
　　　　1.5 本文主要研究?jì)热?br /> 　　第二章 滾動(dòng)軸承故障機理研究
　　　　2.1 引言
　　　　2.2 滾動(dòng)軸承的基本結構
　　　　2.3 滾動(dòng)軸承失效形式及振動(dòng)機理
　　　　　　2.3.1 滾動(dòng)軸承失效形式
　　　　　　2.3.2 滾動(dòng)軸承故障信號特征
　　　　　　2.3.3 滾動(dòng)軸承故障振動(dòng)機理
　　　　2.4 本章小結
　　第三章 滾動(dòng)軸承故障實(shí)驗研究
　　　　3.1 引言
　　　　3.2 滾動(dòng)軸承故障模擬實(shí)驗設備
　　　　　　3.2.1 故障模擬實(shí)驗平臺
　　　　　　3.2.2 傳感器的選擇
　　　　　　3.2.3 滾動(dòng)軸承實(shí)驗信號采集
　　　　3.3 本章小結
　　第四章 基于 ITD 和 MED 滾動(dòng)軸承故障特征提取方法研究
　　　　4.1 引言
　　　　4.2 固有時(shí)間尺度分解算法
　　　　4.3 最小熵解卷積算法
　　　　4.4 相關(guān)性分析
　　　　4.5 基于 ITD 和 MED 滾動(dòng)軸承故障特征提取方法
　　　　4.6 仿真分析
　　　　4.7 實(shí)例分析
　　　　　　4.7.1 滾動(dòng)軸承內圈故障信號分析
　　　　　　4.7.2 滾動(dòng)軸承外圈故障信號分析
　　　　4.8 本章小結
　　第五章 快速譜峭度圖在滾動(dòng)軸承故障診斷的應用
　　　　5.1 引言
　　　　5.2 基于改進(jìn)的共振解調特征提取方法
　　　　　　5.2.1 快速譜峭度圖算法
　　　　　　5.2.2 基于快速譜峭度圖的共振解調方法
　　　　5.3 仿真分析
　　　　5.4 實(shí)例分析
　　　　　　5.4.1 滾動(dòng)軸承正常信號分析
　　　　　　5.4.2 滾動(dòng)軸承內圈故障信號分析
　　　　　　5.4.3 滾動(dòng)軸承外圈故障信號分析
　　　　5.5 本章小結
　　結論
　　參考文獻
　　發(fā)表文章目錄
　　致謝

（如您需要查看本篇畢業(yè)設計全文，請您聯(lián)系客服索取）