论文部分内容阅读
随着现代工业及科学技术的迅速发展,机电设备越来越向着大型化、复杂化、高速化、自动化和智能化方向发展,不仅每一台设备不同部件之间相互紧密配合,而且不同设备之间也同样需要良好稳定的配合。滚动轴承作为旋转机械的重要部件,其性能退化或失效影响整体性能甚至导致设备非计划停机,造成经济损失甚至人员伤亡。如何能够保证维修的及时性,避免“维修不足”和“维修过剩”是现阶段需要解决的重要问题,因此对轴承进行故障程度的识别就变得尤为重要,要在设备发生故障时及时识别出故障程度并采取相应措施。基于磨损区域的静电监测目前尚处于初步研究阶段,轴承在磨损的过程中会产生带电微粒。本文通过设计静电传感器,以此来监测实验中不同故障程度的滚动轴承运行时所产生的静电信号,提取静电信号的时域频域、EMD能量熵、小波能量谱熵以及奇异谱熵等多维特征,并对比PCA、LPP及OLPP三种多维特征参数维数约减方法,进而提出多维特征参数融合的轴承故障程度识别方法。论文主要研究内容如下:(1)阐述了本文选题的背景和意义,通过国内外研究资料分析了性能退化评估、信号特征提取、维数约减方法、静电监测和变工况条件下轴承故障识别在国内外的发展状况,确立了本文的研究内容。(2)介绍了磨损区域静电信号产生机理和静电监测原理,并设计了磨损区域静电传感器。改装了滚动轴承加速寿命疲劳试验台,并对滚动轴承注入不同大小尺寸的故障,进行了变工况条件下滚动轴承故障注入实验。(3)研究了磨损区域静电监测信号的特征提取方法。通过实验结果比较了时域频域指标、EMD能量熵、小波能量谱熵和奇异谱熵几种特征参数对故障的识别能力。(4)对监测信号的多维特征参数在计算过程中的冗余问题,提出要对多特征参数准确地提取内在结构,并减少高维数据的冗余性和不一致性,为此介绍了PCA,LPP以及OLPP算法,比较了这些算法结构上的优劣,并将所提取的不同故障程度的实验数据分别用PCA,LPP及OLPP方法进行降维,取前两维作图进行比对分析,综合分析结果表明本文采取的OLPP算法比PCA算法和LPP算法具有更好的局部保持能力和更准确的判断力。(5)为解决单特征参数对轴承故障程度识别能力不足的问题,提出基于OLPP-GMM的多参数融合故障识别方法。利用正交局部保持投影后正常状态数据建立GMM模型,以NLLP表征测试数据与GMM模型的偏离程度作为反映故障程度的定量指标。结合滚动轴承变工况条件下提取的静电监测实验数据,NLLP指标能够定量的识别不同工况条件下的故障程度。