常用滚动轴承故障诊断技术.pptVIP

技术路线，首先分别研究离线、在线检测技术，作为监测手段将其应用到航空发动机滚动轴承失效试验中，并获取油样数据，进行数据处理，包括数据的预处理和特征提取。然后使用不同的方法建立故障预测模型，并进行优化和比较，最后将得到的模型进行实验验证。 * 具体研究内容，在离线油液磨粒检测技术研究中，采用光学检测原理，通过自动采集油液中的磨粒图像，再由软件对运动颗粒的形貌特征进行识别，得到油液磨损颗粒的尺寸、类型、浓度等信息。主要研究图像分割技术，提取图像中的磨粒目标。研究磨粒的识别技术，进行特征参数提取及优化,和 磨粒样本数据挖掘及规则提取。最后开发多功能油液磨粒智能检测与诊断系统。 既能计算油液固体颗粒污染度等级，又能对大于10μm以上的颗粒进行分析判断，将颗粒识别为金属和非金属，同时对金属颗粒进一步识别为切削磨粒、严重滑动磨粒、疲劳磨粒，对非金属颗粒进一步区分为气泡、纤维、其他非金属颗粒等。油液颗粒的分析结果，可以反映出发动机轴承工作是否正常，从而实现航空发动机润滑系统的磨损故障监控、故障趋势分析和诊断，避免了铁谱分析需要制作铁谱片并依赖人工经验进行分析的缺点。 * 目前的研究基础,已完成原理样机平台搭建,并进行了验证，获得了磨粒图片。 * 第2个研究内容是.在线油液磨粒检测技术研究。 * 研究基础 已完成在线油液传感器的原理样机设计,并用铁磁性颗粒和非铁磁性颗粒进行了验证。 * 3.基于油液监控参数的滚动轴承故障预测方法研究 首先开展航空发动机滚动轴承失效试验。目前已有航空轴承失效试验平台，具备试验条件，这个试验平台上拟使用实际的航空发动机滚动轴承（206航空轴承）,参照实际工况条件进行加速失效试验。试验次数预计10-30次。 * 这是试验平台的结构原理，采用悬臂梁结构，最高转速可达48000转，油液温度可达200度，能够模拟轴承实际工况。 * 获得油液磨粒数据后，对数据特征进行研究提取，并开展基于时间序列的故障单步和多步预测。尝试使用神经网络、基于向量机等方法，分别建立数据模型。根据数据模型，设计开发航空发动机滚动轴承磨损故障监控与寿命预测系统，并在实验中对模型进行验证和比较。 哪些特征/磨粒数据/振动有效值勤幅度、波形因数、波峰因数、概率密度、峭度系数等） 采用LIBSVM软件包[18]中的支持向量机对诊断和预测。 其中支持向量机的核函数采用高斯核函数，采用十重交叉验证法对高斯核函数的参数进行优化，并对训练样本、测试样本及未知样本进行诊断和预测 * 离线油液磨粒检测中，磨粒识别较为困难。磨粒识别特征参数很多，其中有大量的参数是重复和冗余的，需要对运动磨粒的识别特征进行分析，必要时自行开发新的磨粒识别参数，并使用数学方法对磨粒参数进行筛选，建立磨粒识别策略。 2.用于建立轴承故障预测模型的数据获取问题。通过使用实际的航空发动机轴承进行试验，模拟真实轴承工况，使用油液技术手段进行检测，获取数据。 3.滚动轴承故障预测方法中寿命预测精度问题.轴承寿命预测较为困难，相同的轴承寿命相差可达到数百倍。预测效果难以保证。拟采用多种数学分析方法，优选最佳数据模型，并进行验证迭代。 。如果选择合适的磨粒参数进行特征识别是一个需要解决的关键问题。如果选用参数过多，会影响系统识别效率，降低检测速度；如果选用参数过少，会导致识别率不高。 采用回归支持向量机解决逼近问题时,必须首先确定三个设计参数:E不敏感值、平衡因子C 以及核函数的参数(多项式核的阶数d !径向基核的宽度参数R 等)“通常这三个参数的选取都是通过反复的试验,人为地选择出令人满意的解,这需要人的经验做指导,并且需要付出较高的时间代价。因此 ，在进行参数选取之前,首先要针对具体问题选择合适的支持向量机核函数形式选用核函数的主要依据是要解决的问题类型,工程实际问题的建模通常采用径向基核函数 * * 南京航空航天大学智能诊断与专家系统研究室 1.研究磨粒图像分析和识别关键技术，开发10微米级离线式油液磨粒智能检测系统，满足航空轴承疲劳失效模式磨粒快速检测需求。 2.研究电磁感应原理磨粒实时检测技术，开发在线式油液磨粒检测系统。 3.研究建立基于上述2种手段的航空发动机轴承故障预测模型。 三、课题研究方案 研究目标 * 南京航空航天大学智能诊断与专家系统研究室 航空发动机滚动轴承失效试验 油液数据采集 数据处理 1.预处理 2.特征提取 建立故障预测模型 三、课题研究方案 技术路线 离线油液磨粒检测技术研究 在线油液磨粒检测技术研究 * 南京航空航天大学智能诊断与专家系统研究室 图像分割技术 图像磨粒特征参数提取及优化 磨粒样本数据挖掘及规