轴承内部状态不分解诊断装置的应用-application of non-decomposition diagnosis device for bearing internal state.docxVIP

下载本文档

1
0
约4.88万字
约 74页
2018-09-10 发布于上海
举报
版权申诉

轴承内部状态不分解诊断装置的应用-application of non-decomposition diagnosis device for bearing internal state.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

轴承内部状态不分解诊断装置的应用-application of non-decomposition diagnosis device for bearing internal state

i万方数据 i 万方数据中图分类号：XXXX UDC：XXXX 学校代码：XXXX 密级：公开北京交通大学专业硕士学位论文轴承内部状态不分解诊断装置的应用 Application of Diagnosis for the Internal Bearing without Taking It Apart 作者姓名：XXXX 学号：XXXX 导师姓名：XXXX 职称：XXXX 工程领域：XXXX 学位级别：硕士北京交通大学 2014 年 5 月 ii万方数据 ii 万方数据致谢 [内容为小四号宋体。]本论文的工作是在我的导师[XXXX] 教授的悉心指导下完成的，[XXXX] 教授严谨的治学态度和科学的工作方法给了我极大的帮助和影响。在此衷心感谢三年来[XXXX] 老师对我的关心和指导。 [XXXX] 教授悉心指导我们完成了实验室的科研工作，在学习上和生活上都给予了我很大的关心和帮助，在此向[XXXX] 老师表示衷心的谢意。 [XXXX] 教授对于我的科研工作和论文都提出了许多的宝贵意见，在此表示衷心的感谢。在实验室工作及撰写论文期间，[XXXX] 、[XXXX] 等同学对我论文中的 [XXXX] 研究工作给予了热情帮助，在此向他们表达我的感激之情。另外也感谢家人[XXXX] ，他们的理解和支持使我能够在学校专心完成我的学业。北京交通大学专业硕士学位论文中文摘要 PAGE iii PAGE iii 万方数据中文摘要摘要：随着铁路大面积提速和重载的逐步普及，轴承的载荷、振动、磨损也在加剧，轴承故障对行车造成的危害也因此更加严重。由于轴承的特殊结构和安装位置不便于逐个拆卸分解检查，所以轴承内部状态不分解诊断装置技术的研制和推广具有很现实的意义。滚动轴承故障诊断的关键是对振动信号进行分析和处理，并提取滚动轴承的故障特征。本文中的诊断装置是通过声发射传感器来监测滚动轴承未分解前的振动信号，同时通过对滚动轴承振动信号的分析、处理，来提取信号中所包含的故障特征，从而可以掌握滚动轴承的实际工作状态，以致可以及时准确的对故障进行处理。由于大多数滚动轴承故障振动信号是非平稳信号，因此需要选择适合于非平稳信号分析和处理的方法。小波分析具有良好的时—频局部化特征，因而非常适于对瞬态或时变信号进行分类，而神经网络可完成非线性系统辨识和模式分类。利用上述原理建立了基于小波的神经网络诊断模型。本文采用小波分析对故障信号进行特征提取，对原始的故障信号进行小波分解后，作为神经网络的输入。采用小波神经网络进行故障模式识别。通过实例证明: 该模型不仅能够检测轴承是否有故障，还能比较准确地判断轴承的故障类型。通过对 RBF 神经网络和 BP 神经网络的性能的对比，在网络结构、性能和网络的容错性上，RBF 神经网络都是比 BP 神经网络要好。因此，基于小波分析和 RBF 神经网络的故障判断方法能够更准确、快速地应用于滚动轴承的故障诊断中。关键词：滚动轴承；故障诊断；小波分析；BP 神经网络；RBF 神经网络分类号：[请输入分类号（1-2），以分号分隔。] 北京交通大学专业硕士学位论文 A B S T R A C T ABSTRACT ABSTRACT: Along with the severe application of acceleration and overloading of the trains, the loading, shaking, wearing out of the bearing becomes worse, which cause more accidents. It becomes more realistic and applicable to use non-taking apart diagnosis technique on the internal bearing due to the structure and installation Infrastructure. Analysis and processing of the oscillator signals is the key of the diagnosis of the rolling bearing. The diag. instrument in this thesis is used to monitor the the oscillator signal before bearing taken apart thr