發(fā)布時(shí)間：2020-05-09 06:40

【摘要】：電機(jī)是現(xiàn)代工業(yè)過程中重要的驅(qū)動(dòng)設(shè)備,而滾動(dòng)軸承作為緩沖高速運(yùn)轉(zhuǎn)零部件的復(fù)雜受力的關(guān)鍵零件之一,因其具有摩擦力小、啟動(dòng)升速容易、結(jié)構(gòu)簡(jiǎn)單、維修方便等特點(diǎn),被廣泛應(yīng)用于各種電機(jī)設(shè)備中。而如此重要的關(guān)鍵零件一旦發(fā)生故障,會(huì)嚴(yán)重的影響電機(jī)的穩(wěn)定性,甚至?xí)�引起�?yán)重的災(zāi)難性事故。因此,深入分析滾動(dòng)軸承故障發(fā)生機(jī)理,探索電機(jī)用滾動(dòng)軸承故障診斷技術(shù),可以在滾動(dòng)軸承出現(xiàn)不良性能之前提前做好維修工作,對(duì)延長(zhǎng)電機(jī)有效工作時(shí)間具有十分重要的實(shí)際工程意義和應(yīng)用前景。為此,本文將變分模態(tài)分解(VMD)引入到電機(jī)用滾動(dòng)軸承故障診斷中,詳細(xì)研究了基于變分模態(tài)分解的電機(jī)用滾動(dòng)軸承非平穩(wěn)振動(dòng)信號(hào)故障特征提取,并融合基于遺傳算法(GA)優(yōu)化的極限學(xué)習(xí)機(jī)(ELM)的診斷模型,以期實(shí)現(xiàn)電機(jī)用滾動(dòng)軸承故障的準(zhǔn)確識(shí)別和診斷。首先,本文簡(jiǎn)要闡述了變分模態(tài)分解的基本原理,通過仿真信號(hào)對(duì)比分析驗(yàn)證了VMD分解可以有效避免EMD分解產(chǎn)生的模態(tài)混疊和虛假分量現(xiàn)象。其次針對(duì)VMD算法對(duì)初始參數(shù)敏感特性,提出一種由粗到精的參數(shù)優(yōu)化策略,通過西儲(chǔ)大學(xué)實(shí)驗(yàn)數(shù)據(jù)證明了該優(yōu)化策略的有效性和實(shí)用性。在電機(jī)軸承存在早期微弱故障時(shí)其信號(hào)包含的故障特征微弱,為了更好的提取電機(jī)用滾動(dòng)軸承振動(dòng)信號(hào)的故障特征信息,本文提出基于符號(hào)動(dòng)態(tài)熵理論及集合峭度的KEI評(píng)價(jià)指標(biāo),通過變分模態(tài)分解結(jié)合KEI評(píng)價(jià)指標(biāo)將振動(dòng)信號(hào)進(jìn)行分解和篩選,將篩選出的最佳分量進(jìn)行包絡(luò)解調(diào),獲得滾動(dòng)軸承的故障特征信息,通過實(shí)驗(yàn)數(shù)據(jù)處理分析證明所提出的VMD-KEI方法能夠很好的對(duì)振動(dòng)信號(hào)的故障特征信息進(jìn)行提取。最后簡(jiǎn)要闡述了極限學(xué)習(xí)機(jī)的原理,針對(duì)極限學(xué)習(xí)機(jī)穩(wěn)定性差等缺點(diǎn),采用遺傳算法對(duì)輸入層和隱含層的相關(guān)參數(shù)進(jìn)行優(yōu)化,建立了GA-ELM診斷模型,并結(jié)合VMD-KEI特征信息提取方法,提出基于VMD-KEI和GA-ELM的電機(jī)用滾動(dòng)軸承故障診斷方法,通過實(shí)驗(yàn)表明,此方法可以對(duì)滾動(dòng)軸承內(nèi)外圈及滾動(dòng)體故障做出準(zhǔn)確診斷。
【圖文】：

滾動(dòng)軸承的基本結(jié)構(gòu)

常見幾類滾動(dòng)軸承的構(gòu)造：（a）圓錐滾子軸承；
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TM307

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張會(huì)強(qiáng);王宇拓;王林川;張聞一;;基于超級(jí)電容器的混合儲(chǔ)能在直流微電網(wǎng)中的應(yīng)用[J];電測(cè)與儀表;2015年22期

2 劉長(zhǎng)良;武英杰;甄成剛;;基于變分模態(tài)分解和模糊C均值聚類的滾動(dòng)軸承故障診斷[J];中國(guó)電機(jī)工程學(xué)報(bào);2015年13期

3 張龍;張磊;熊國(guó)良;周繼惠;王寧;王明翔;;基于多尺度熵的滾動(dòng)軸承Elman神經(jīng)網(wǎng)絡(luò)故障診斷方法[J];機(jī)械科學(xué)與技術(shù);2014年12期

4 安國(guó)慶;秦程;郭立煒;梁永春;;峭度濾波器用于電機(jī)軸承早期故障特征提取[J];電機(jī)與控制學(xué)報(bào);2014年06期

5 胡愛軍;馬萬里;唐貴基;;基于集成經(jīng)驗(yàn)?zāi)�態(tài)分解和峭度準(zhǔn)則的滾動(dòng)軸承故障特征提取方法[J];中國(guó)電機(jī)工程學(xué)報(bào);2012年11期

6 湯寶平;蔣永華;張?jiān)敶?;基于形態(tài)奇異值分解和經(jīng)驗(yàn)?zāi)�態(tài)分解的滾動(dòng)軸承故障特征提取方法[J];機(jī)械工程學(xué)報(bào);2010年05期

7 李鳳婷;晁勤;;基于Matlab與遺傳算法的風(fēng)電容量[J];電工技術(shù)學(xué)報(bào);2009年03期

8 劉雪霞;張琦;譚業(yè)發(fā);;高階譜分析技術(shù)在軸承故障信號(hào)特征提取中的應(yīng)用[J];機(jī)床與液壓;2008年07期

9 時(shí)獻(xiàn)江;張春喜;邵俊鵬;;異步電機(jī)斷條故障診斷的細(xì)化包絡(luò)方法[J];電機(jī)與控制學(xué)報(bào);2008年02期

10 王麗雅;韓捷;陳磊;;基于信息融合的短時(shí)矢功率譜分析方法[J];機(jī)械科學(xué)與技術(shù);2007年04期

，

本文編號(hào)：2655746