论文部分内容阅读
煤炭是我国的主体能源,在国民经济发展中具有重要的战略地位。电牵引采煤机是现代化矿井综采装备的核心,关系到煤矿安全高效生产。但国产采煤机故障频发,故对其监测和故障诊断关键技术进行研究迫在眉睫。滚动轴承作为采煤机的关键零部件,是重要的故障源之一,准确判断其运行状态直接关系到整个采煤机的安全生产。研究滚动轴承的故障诊断技术,对于确保安全高效生产,避免重大事故的发生具有重要的意义。本文首先分析了滚动轴承的几种主要失效形式及其成因。详细阐述了滚动轴承故障特征频率计算公式的导出过程,总结了滚动轴承典型故障振动信号的特点。以内环故障的振动信号为例,对经典的滚动轴承振动诊断方法进行了分析。其次在奇异值分解(Singular Value Decomposition,SVD)基本原理及算法实现的基础上,研究并验证了奇异值分解探测周期信号和提取突变信号的方法。将SVD用于信号Hilbert变换后的幅值谱和相位谱的降噪,为降噪分析提供了一种思路,并通过实验信号进行了验证。对于含有大量随机噪声及脉冲干扰的振动信号,提出了一种基于快速傅里叶变换(Fast Fourier Transform,FFT)和SVD的降噪方法,实验信号分析结果表明该方法要优于直接对信号进行SVD降噪处理,降噪效果良好。然后,研究了经验模态分解(Empirical Mode Decomposition,EMD)和Hilbert谱的基本原理,详细分析了EMD方法中存在的重要问题:模态混合、端点效应、易受噪声影响,并分别采用EEMD方法、极值点延拓加窗的方法、FFT-SVD预处理降噪方法进行了改进,仿真信号分析表明改进效果良好。采用基于交叉验证的遗传算法对支持向量机中惩罚因子C和核函数参数γ进行寻优,构建了最优分类模型。将上述方法结合,建立滚动轴承故障识别的稳定模型,实验信号的分类结果表明该模型能较好的识别故障类型。最后,针对实际运用中轴承故障类型样本较难获取的境况,提出了一种基于关联度的轴承故障与否的判别方法,并以不同类型的实验信号验证了该方法的有效性。采用Lab VIEW和Matlab混合编程的方法,设计开发了适于实际应用的包含部分传统方法和本文上述方法的滚动轴承振动信号分析与诊断软件平台,介绍软件系统各个模块的同时,以滚动轴承故障信号进行实例分析,结果表明该平台界面友好、操作方便、性能良好。文章最后对工作进行了总结,并对相关的研究技术进行了展望。