低速机械早期故障应力波信号捕捉与分离技术研究

论文摘要

用振动分析的方法对旋转机械进行状态监测,具有很广的应用范围而且技术也逐渐成熟,能够很有效地检测设备的机械完整性,但是对于低速旋转机械来说故障检测难度却不断加大,传统的振动测量方法将失效,因为振动方法检测不到机械设备的故障特征频率,而且当低速旋转机械有组件失效对振动信号影响不大。针对低速旋转机械故障诊断难题,本文以高频应力波信号作为特征参量,采集低速旋转机械故障信号,解决振动和声发射信号在低速情况下的局限性问题。用小波分析和盲源信号分离进行故障应力波信号特征分离与提取,获取高频应力波脉冲信号的微细特征,然后进行故障诊断。首先,本文对低速滚动轴承的故障机理进行了详细的研究,并着重讨论了低速滚动轴承的失效形式与故障特征。得出了各故障的特征频率,从而为进一步的研究低速滚动轴承的诊断方法提供了理论依据。其次,本文对盲源分离理论及小波分析理论作了简要介绍,并重点研究了这两种方法相结合在低速滚动轴承故障诊断中的应用。盲源分离作为一种信号处理方法,可以将混合故障中的单个故障信号有效的分离出来,小波分析很好地消除了故障信号中背景噪声的影响,成功地提取了故障特征频率。最后,在实验室进行低速滚动轴承的故障诊断的仿真实验。在实验基础上,对从某600kW风力机上采集的低速滚动轴承的故障应力波信号进行分析,并成功的提取出混合故障应力波信号中所包含的各个故障的故障特征频率。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的背景、目的和意义
• 1.2 国内外相关领域的研究现状与发展
• 1.2.1 滚动轴承诊断技术的由来与发展现状
• 1.2.2 应力波技术的现状与发展
• 1.2.3 盲源分离研究的发展现状及意义
• 1.2.4 小波分析现状概述
• 1.3 本文主要研究内容和方法
• 第二章 低速机械故障信号捕捉技术
• 2.1 低速滚动轴承的典型故障
• 2.1.1 滚动轴承失效的基本形式
• 2.1.2 滚动轴承的振动类型及其故障特征
• 2.2 低速机械故障信号捕捉技术的确定
• 2.3 应力波检测的基本原理
• 2.3.1 应力波的形成机理
• 2.3.2 应力波的模式分析
• 2.3.3 应力波的模式选择
• 2.3.4 应力波的衰减机制
• 2.3.5 应力波的控制方程
• 2.3.6 应力波的反射与透射
• 2.4 低速滚动轴承应力波故障信号的产生
• 2.5 小结
• 第三章 低速机械故障信号分离方法研究
• 3.1 非线性盲源分离
• 3.1.1 非线性去混叠系统
• 3.2 基于BP神经网络的非线性盲源分离
• 3.2.1 MISEP方法理论基础
• 3.2.2 神经网络的训练
• 3.3 小波分析理论研究
• 3.3.1 时间—频率局域化分析
• 3.3.2 低速滚动轴承诊断中小波基的选择
• 3.4 小结
• 第四章 低速机械早期故障应力波信号的捕捉与分离的实现
• 4.1 应力波实验及数据处理分析
• 4.1.1 实验装置与测量仪器
• 4.1.2 实验步骤
• 4.1.3 实验结果
• 4.2 实例故障诊断
• 4.2.1 故障实例对象
• 4.2.2 实例数据处理
• 4.3 小结
• 第五章 结论
• 参考文献
• 在学研究成果
• 致谢