智能状态监测与故障诊断-滚动轴承的智能分析推荐.docVIP

智能状态监测与故障诊断 测控一班 第一章 绪论 在现代化的机械设备的生产和发展中，滚动轴承占很大的地位，同时它的故障诊断与监测技术也随着不断地发展，国内外学者对轴承的故障诊断做了大量的研究工作，各种方法与技巧不断产生、发展和完善，应用领域不断扩大，诊断精度也不断提高。时至今日，故障诊断技术己成为一门独立的跨学科的综合信息处理技术，它以可靠性理论、信息论、控制论、系统论为理论基础，以现代测试仪器和计算机为技术手段总的来说，轴承故障诊断的发展经历了以下几个阶段： 　　第一阶段：利用通用的频谱分析仪诊断轴承故障。 　　第二阶段：利用冲击脉冲技术诊断轴承故障。 　　第三阶段：利用共振解调技术诊断轴承故障。 　　第四阶段：以计算机为中心的故障诊断。通常，轴的温度随着运转开始慢慢上升，1-2小时后达到稳定状态。如果润滑、安装部不合适，则会导致轴承温度急骤上升，出现异常高温，这时必须停止运转，采取必要的防范措施。使用热传感器可以随时监测轴承的工作温度，并实现温度超过规定值时自动报警或停止，防止燃轴等事故的发生从物理效果看，傅立叶变换是将图像从空间域转换到频率域，一个模拟信号，经过ADC采样之后，就变成了数字信号。采样定理告诉我们，采样频率要大于信号频率的两倍，Mat lab编程实现以下功能：通过时域和频域分析提取有效特征向量，利用BP神经网络进行模式识别判断故障类型（故障轴承或正常轴承），从而实现滚动轴承智能化故障诊断。借助MATLAB进行运算。 一数据说明: 本实验中，轴承共有两种状态，即正常（Z）和故障（G）。且变频器在频率为20Hz,25Hz,30Hz的工况条件下,两种状态各采集10组数据。选用采样频率10KHz，采样点数为20000，故采样时间为2s。 G3015——G：故障 error，30：变频器频率 ， 15:1~5共5组数据。 Z30610——Z：正常 normal，30：变频器频率，。 610:6~10共5组。这些数据是原始状态下的，要进一步分析和判断轴承的故障状态还是正常状态的直观表达，需要下列处理。下面选择30HZ的采样数据进行分析处理，数据图表如下： 表1 采样种类 1 2 3 频率 20HZ 25HZ 30HZ 表2 状态 故障轴承 样本 G301 G302 G303 G304 G305 G306 G307 G308 G309 G310 表3 状态 正常轴承 样本 Z301 Z302 Z303 Z304 Z305 Z5306 Z307 Z308 Z309 Z310 由于模拟信号计算机不能识别，即需要进行A/D转换模拟信号为数字信号，全过程处理和分析数据如下图： 二 数据倒入： 2.1倒入数据程序：G3015=load(D:\课下作业\Experimental data\Error\G3015.txt); 按照这样的模式的导入Z3015和G3015和G30610程序将其它各组数据依次倒入后便可以进行分析处理拉。 2.2 进行数据用程序a=G3015;G301=a(1:20000);分组,作标号相应的改变分组最后得到G301---G3010;Z301---Z3010;可以得到故障轴承的原始信号图。 程序: subplot(211); a=G3015; G301=a(1:20000); plot(G301); subplot(212); b=Z3015; Z301=b(1:20000); plot(Z301) 从图形可以看出故障轴承和正常轴承有很大的差别，但是为了更好地说明故障和正常的情况，图形并不关于零点对称。 三 信号预处理——零均值化： 3.1在测试中由数据采集所得的原始信号，在分析前需要进行预处理，以提高数据的可靠性和真实性，并检查信号的随机性，本设计中，我们采用零均值化处理，零均值化处理又称中心化处理。信号的均值相当于一个直流分量，而直流信号的傅里叶变换是 处的冲激函数，因此若不把它祛除均值，在作信号谱分析时，将在 处出现一个大的谱峰，并会影响在左右处的频谱曲线，使它产生较大的误差。设采样数据为(n=1，2，…，N)，其均值： 用下式进行零均值化处理： 处理后就变为一个均值为零的新信号(n=1，2，…，N)。 3.2 零均值化前后的一组对比图，并且可以看出其不同点和意义。 经过零均值化处理后图形关于零点对称。 3.2 按照上面的程序格式，将其它的数据也进行零均值化.并出其FFT频谱图进行对比： 程序： N=20000; fs=10000; f=(0:N-1)*fs/N; a=G3015; G301=a(1:20000); G301p=abs(fft(G30