基于声发射技术的货车滚动轴承故障诊断研究

论文摘要

滚动轴承在旋转机械中起着重要作用,同时,也是机械零件中最容易发生故障的零部件之一。一旦滚动轴承发生故障,在列车的高速重载运行中,故障会进一步扩大,从而造成热轴、燃轴、切轴最终导致列车颠覆等安全事故。为了保障铁路运输的安全运行,对滚动轴承故障诊断的研究是有着切实意义的。本文针对货车滚动轴承常见的几种故障,利用声发射技术,选择小波包分析为信号主要处理方法,建立了一个基于小波包分析与神经网络识别相结合的方法体系。论文系统介绍了滚动轴承的失效形式及失效原因,及常用的关于滚动轴承故障诊断的方法与技术。通过对比分析,提出了基于声发射技术的滚动轴承诊断方法。介绍了滚动轴承的声发射诊断技术机理和几种声发射信号处理方法。细致阐述了小波分析的基本理论与算法及其在声发射信号处理中的应用。提出了基于小波包分解频带能量监测法,对滚动轴承的几种典型故障进行了诊断,并且提取特征向量,为后续的神经网络识别作准备。利用神经网络的非线性映射功能,建立神经网络,实现滚动轴承运行状态和声发射信号特征向量之间的映射关系,对提取的滚动轴承故特征向量进行网络训练,得到了理想的识别结果。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第1章 绪论
• 1.1 课题研究背景和意义
• 1.2 国内外研究现状
• 1.3 本文的研究内容
• 第2章 铁路货车滚动轴承的声发射诊断技术
• 2.1 滚动轴承的主要失效形式与原因
• 2.2 滚动轴承的故障诊断方法
• 2.3 滚动轴承的声发射诊断
• 2.3.1 声发射技术理论概述
• 2.3.2 滚动轴承故障声发射诊断机理
• 2.3.3 声发射诊断特点
• 2.3.4 影响声发射检测的关键因素
• 2.4 声发射信号处理方法
• 2.4.1 参数分析法
• 2.4.2 谱估计处理法
• 2.4.3 模式识别方法
• 2.4.4 人工神经网络模式识别方法
• 2.4.5 时频分析方法
• 第3章 滚动轴承声发射信号的小波算法研究
• 3.1 傅立叶变换与小波变换
• 3.2 小波变换理论
• 3.2.1 小波变换函数
• 3.2.2 连续小波变换
• 3.2.3 离散小波变换
• 3.3 滚动轴承声发射信号分析的小波基选取
• 3.3.1 常用小波基性质
• 3.3.2 小波基选取规则研究
• 3.3.3 滚动轴承声发射信号分析的小波基选择
• 3.4 声发射信号小波分析Mallat算法
• 3.5 声发射信号小波包分解的能量特征分析方法
• 3.5.1 小波包定义
• 3.5.2 小波包分解与重构算法
• 3.5.3 基于小波包分解的故障特征提取
• 第4章 基于BP神经网络的AE信号轴承故障诊断研究
• 4.1 人工神经网络概述
• 4.1.1 人工神经元模型
• 4.1.2 人工神经网络性质
• 4.2 BP神经网络及其算法
• 4.2.1 BP神经网络性质
• 4.2.2 BP算法研究
• 4.2.3 BP算法的改进
• 4.3 基于BP神经网络的AE信号轴承故障诊断研究
• 4.3.1 隐层数与隐层节点的确定
• 4.3.2 传递函数与训练算法的选择
• 4.3.3 学习速度与学习误差的确定
• 4.3.4 输入层和输出层节点数与样本选择
• 4.4 状态识别神经网络的训练与仿真
• 4.4.1 状态识别神经网络训练样本的构造
• 4.4.2 状态识别神经网络的建立
• 4.4.3 状态识别神经网络的训练与仿真结论分析
• 第5章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间科研及论文完成情况