滚动轴承出厂检测与故障诊断研究-测试计量技术及仪器专业论文.docxVIP

Research on Production Test and Diagnosis of Rolling Element Bearing By Yingping Sang A Dissertation Submitted to China Jiliang University In partial fulfillment of the requirement For the degree of Master of Engineering China Jiliang University June, 2015 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发 表或撰写过的研究成果，也不包含为获得 中国计量学院 或其他教育机构的学 位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已 在论文中作了明确的说明并表示了谢意。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解 中 国 计 量 学 院 有关保留、使用学位论文的规 定。特授权 中国计量学院 可以将学位论文的全部或部分内容编入有关数据库 进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。 同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在 解密后适用本授权说明） 学位论文作者签名： 导师签名： 签字日期： 年 月 日 签字日期： 年 月 日 致 谢 首先感谢我的父母，含辛茹苦的养育之恩，在青葱岁月里，给予我的无私 帮助。大恩不言谢，我会做好该做的事，祝你们幸福安康。 其次感谢我的导师蔡晋辉老师和曾九孙老师在我读研期间所给予的关心和 帮助，在学习上，蔡老师对我严格要求，教导我们要认真学习课本上的知识； 在生活上，曾老师关心同学生活。在蔡老师和曾老师的帮助下，我们一步一步 地成长。同时也真诚地感谢蒋庆老师，姚燕老师等的指导和帮助，不管是在科 研上还是在生活中，老师们都教会了我很多，我也逐渐学会了平衡。 再次感谢曾和我一同奋斗的刘杨师姐、演鑫师兄、潘颂泽师兄、周乔军师 兄、陈泽熹师兄、周其冰师兄等，戴华通、张昕、王常玥、舒军辉、梁君以及 师弟师妹们，贺芳琪、赵娜、孙琪、李兵丰、谢斌、朱鹏飞、王晶、邹泽华等。 相聚是缘，相识是分，很荣幸能和大家一同走过这段充满欢笑和泪水的日子。 最后感谢各位专家评委的悉心审阅并提出宝贵意见。 桑迎平 2015 年 6 月 滚动轴承出厂检测与故障诊断研究 摘要：滚动轴承是装备制造业的关键基础件，其质量高低对众多工业设备具有 较大影响，因此滚动轴承的质量检测与故障诊断研究具有重大的现实意义。本 课题以滚动轴承为研究对象，研制基于虚拟仪器的轴承振动测试系统，实现轴 承振动信号的实时采集；分析滚动轴承故障振动信号特征，应用形态学滤波、 小波包分解、粒子群算法、支持向量机等技术，开发具有高可靠性的产品检测 技术，实现产品故障类型的精确故障诊断。论文具体研究内容如下： 1、研制了基于虚拟仪器技术的滚动轴承振动信号测量分析系统，该系统作 为实验平台，主要实现轴承振动信号采集、信号预处理以及数据存储等功能， 是实现轴承故障识别的硬件基础。 2、提出了基于形态滤波优化的滚动轴承故障信号降噪分析方法。利用实验 对比，指出基于形态滤波的信号降噪方法能够有效抑制噪声，具有较好的故障 特征提取能力。针对形态滤波中结构元素尺度难以确定的问题，设计了一种新 的最优尺度判定指标以确定最优滤波算子。将轴承故障振动信号通过形态最优 滤波算子进行滤波，最后依靠频谱分析判断轴承的故障，结果表明形态滤波后 的频谱中，轴承故障特征频率明显。为了验证该方法的优越性，比较该方法与 传统方法的性能，选取特征频率强度系数、峭度和偏斜度三个参数，依据参数 大小判断滤波器性能，实例分析表明本文提出的方法优于传统方法，能够提高 信噪比，有效的提取故障特征。 3、提出了一种小波变换和支持向量机（Support Vector Machine, SVM）相 结合的滚动轴承故障诊断方法。为了提高轴承故障诊断识别率，引入两种特征 提取方法：时域特征和小波包特征分析。时域特征分析是选取时域参数作为 SVM 模型输入；小波包特征提取方法是将形态滤波后的信号进行小波包分解， 求取最高层小波系数能量值，作为滚动轴承故障特征向量，将其作为 SVM 模型 输入参数，达到故障识别的目的。最后 利用粒子群算法（ Particle Swarm Optimization, PSO）对模型参数进行优化，以提高 SVM 分类器的性能。实验结 果表明，本文提出的故障诊断方法具有较高的故障辨识能力。 关键词：滚动轴承；特征提取；故障诊断；数学形态