基于多源信号的变转速滚动轴承和齿轮故障诊断研究-机械电子工程专业论文.docxVIP

万方数据 万方数据 致谢 本论文是在导师李伟副教授的指导下完成的，从论文选题、实验一直到论 文最终定稿，李老师倾注了大量的心血，同时李老师在生活和学习等诸多方面 给予我关心和照顾。李老师高尚的品质、敏捷的思维、严谨的治学态度以及勤 奋的工作精神都给我树立了良好的学习榜样，这些优良的品质将成为我一生的 精神财富。祝愿李老师身体健康，工作顺利，全家幸福！ 感谢在学习和生活上给过我帮助的吴波、任勇、邱明权等实验室同学。在 三年的时光中，与实验室的同学共同学习，共同进步，我从中得到了很多有益 的帮助，对他们表示衷心的感谢。 父母为我的成长倾注了太多的心血，我取得的每一点成绩都包含着他们的 汗水与关爱，特别感谢他们为我所做的一切。 谨以此文献给所有关心和帮助过我的人。祝福我的师长、朋友、家人健康、 快乐！ 最后，对在百忙之中抽出时间参与论文评审和答辩的各位专家和教授表示 深深的谢意！ 摘 要 滚动轴承和齿轮是机械设备中最基本、最常用的零部件。由于在实际环境 中，轴承与齿轮常常工作在变转速工况下并且容易损坏，影响机械设备的正常 运行，因此，对变转速工况下滚动轴承和齿轮故障诊断技术的研究具有重要现 实意义。 首先，本文总结分析了滚动轴承与齿轮的典型故障类型及其振动机理，通 过对比，分析了非平稳信号与平稳信号在处理方法上的不同。 其次，针对变转速下滚动轴承故障振动信号进行研究，将经验模态分解方 法引入特征提取过程，提取分解后本征模态函数的时域特征参数和能量构造特 征矩阵。同时考虑到工程实际中背景噪声的影响，用一种改进的小波阈值去噪 方法对振动信号进行去噪。将广义回归神经网络应用于滚动轴承故障特征识别， 通过仿真数据测试，效果满足要求。 再次，针对变转速下齿轮故障振动信号进行研究，将小波包分解和短时傅 里叶变换引入特征提取过程，分别基于这两种方法构造变转速齿轮故障特征矩 阵。将支持向量机应用于齿轮故障特征识别，通过实际采集的齿轮振动信号训 练、测试，效果满足要求。 最后，以机械故障仿真实验台为研究对象，设计了基于多源信号的变转速 滚动轴承和齿轮故障诊断实验的实验方案，通过实验分别验证了本文提出的变 转速下滚动轴承和齿轮的故障诊断方法。 文章最后对所做工作进行了总结，并对相关的研究技术进行了展望。 本论文有图 69 幅，表 10 个，参考文献 78 篇。 关键词：滚动轴承；齿轮；多源信号；故障诊断 I Abstract Rolling bearing and gear are the most basic machinery units and most widely used in mechanical components. In the real environment, since bearing and gear are in variable rotation rate condition, which cause them easily damage and affect the normal operation of mechanical components, so the study of rolling bearing and gear fault diagnosis under variable rotation rate condition has important practical significance. Firstly, this paper summarizes and analyzes the typical fault type and vibration mechanism of rolling bearing and gear. By comparison, the analysis of the non-stationary signal and stationary signal processing methods is discussed. Secondly, according to the study of the rolling bearing fault vibration signal under variable rotation rate, the empirical mode decomposition (EMD) is introduced into the process of feature extraction, which extracts the time-domain feature parameters and energy from the intrinsic mode function (IMF) to construct feature matrixes