论文部分内容阅读
开展机械设备的状态监测与故障诊断对保证设备运行安全、减少人员财产损失的意义重大。本论文以旋转机械设备的关键部件轴承为对象,以轴承状态监测与故障诊断为目标,开展了基于振动信号分析和轨边声学分析的滚动轴承故障特征提取技术的相关研究工作,针对采集得到不同类型的信号采取不同的分析方法,并对所提的方法逐一进行仿真和实验验证,同时分析方法特点,为轴承的状态监测与故障诊断提供了一定的解决方案。首先,本文首先介绍轴承的主要失效形式和故障特征频率计算,分析轴承振动的机理及声学诊断与振动的联系。然后针对轴承的振动与声学故障诊断开展了相应的实验,振动信号由加速度传感器采集,轨边声学信号依靠声学麦克风采集。针对轨边声学信号获取的经济性、可操作性和安全性,“静态采集,动态播放”的实验方案能够满足要求。这些测取得到的信号为后续算法改进提供实验数据。其次,本文探索了两种基于振动的轴承故障诊断策略。第一种策略是基于人工鱼群算法的自适应变分模式分解的方法,通过参数寻优自适应获得变分模式分解的最优输出;第二种策略是基于分量筛选的奇异值分解的方法,通过设定阈值筛选奇异值差分谱获得的分量信号,提高了有用故障信号的信噪比。仿真及实验数据分析效果都证实所提方法能在噪声环境下能有效提取故障特征频率。最后,本文提出了结合时域插值重采样和最大相关峭度解卷积的方法来解决列车轴承轨边声信号的陡畸变和强噪声问题。首先采用时域插值重采样方法来消除噪声环境下采集信号中的多普勒畸变;接着采用最大相关峭度解卷积方法来增强矫正后的微弱故障信号,进而恢复出信号的特征,判断声源轴承的状态。所提的方法在道旁声学诊断系统中的有效性通过仿真及实验数据分析得到证实。