学位论文 > 优秀研究生学位论文题录展示

基于多传感器信息融合的滚动轴承故障诊断研究

作　者: 刘春光
导　师: 谭继文；战卫侠
学　校: 青岛理工大学
专　业: 机械设计及理论
关键词: 滚动轴承小波分析频率特征多传感器信息融合神经网络故障诊断系统
分类号: TH165.3
类　型: 硕士论文
年　份: 2009年
下　载: 219次
引　用: 0次
阅　读: 论文下载

内容摘要

随着社会进步,科学技术日新月异,在能源、运载、国防等涉及国计民生领域,常常需要制造大型、复杂、难加工的精密零件,因此对加工这些精密零件的数控机床的精度、可靠性及寿命等提出了更高的要求。在高速、高加速度、重载荷等非常规工况下,振动、冲击、变形等因素常对数控机床产生很大影响,容易导致数控机床部件发生故障或者损坏。一方面影响到工件的加工质量,另一方面造成数控机床的可靠性降低、寿命缩短甚至报废。滚动轴承是数控机床进给系统中最重要最易损坏的部件,大约有30%的机械故障都是由滚动轴承引起的[1],因此研究滚动轴承状态信息与故障之间的关系,并在此基础上对滚动轴承故障进行有效的监测与诊断具有重要的现实意义和经济意义。传统的单一传感器检测滚动轴承故障的方法,由于检测信息少,且容易受到外界干扰或传感器自身故障等多个方面的原因,会使诊断的准确率偏低,甚至造成误判或错判。因此,本文基于多传感器信息融合技术,研究诊断数控机床滚动轴承故障的技术与方法。多传感器信息融合的基本原理是充分利用多传感器信息,并通过对这些传感器及其检测信息的合理支配和使用,将各传感器在空间和时间上的冗余或互补信息依据某种准则进行组合,产生对被测对象的一致性解释或描述。其目的是通过对多传感器检测信息的多方优化导出更多的有用信息,最终提高诊断的准确率和有效性,消除单个传感器自身的局限性。多传感器信息融合的突出优点就是信息的冗余性、容错性、互补性、实时性和低成本性。本文以LabVIEW软件作为开发平台,设计了一套数控机床进给系统中滚动轴承的故障诊断系统。通过分析滚动轴承故障信号的特征,选用加速度传感器和电流传感器检测滚动轴承的振动信号和电机电流信号,进行预处理后,经NI ELVIS送入NI中的PCI-6251数据采集卡,基于LabVIEW软件平台编程,实现对检测信号的数据采集;同时结合数据库技术,将LabVIEW和Microsoft Access数据库相接,设计了数据库管理系统,实现了对数据的存储、查询、添加、修改和删除等功能;利用LabVIEW软件良好的硬件匹配性和Matlab软件强大而方便的信号处理功能,在LabVIEW中用Matlab Script Node调用Matlab软件对检测信号进行小波降噪和小波分析;采用Hilbert变换对小波分解的第一层细节信号进行解调,获取滚动轴承的故障信号,并通过快速傅立叶变换对滚动轴承信号进行频谱分析;通过理论计算求出滚动轴承的故障特征频率,在频谱图中以滚动轴承的故障频率为中心频率,向前2.5Hz和向后2.5Hz这一5Hz的频带宽的能量作为滚动轴承的故障信号特征值,经归一化处理后,得出滚动轴承内圈、外圈和滚动体的故障频率的特征值;把得到的特征值作为特征向量,运用BP神经网络的动量改进算法,对多传感器检测的滚动轴承故障信息进行融合,经对神经网络进行训练和仿真,最终构造出具有高效率、高可靠性的数控机床滚动轴承故障诊断系统。

全文目录

摘要  6-8
Abstract  8-10
第1章绪论  10-14
  1.1 课题研究的目的和意义  10-11
  1.2 国内外滚动轴承故障诊断的研究现状  11-12
  1.3 本文的主要研究内容  12-14
第2章滚动轴承故障诊断的硬件设计  14-29
  2.1 引言  14
  2.2 传感器的选择  14-15
  2.3 加速度传感器  15-17
  2.4 电流传感器  17-19
  2.5 CA-3 电荷放大器  19-21
  2.6 NI ELVIS  21-22
  2.7 数据采集系统  22-28
    2.7.1 数据采集卡的选择  22-24
    2.7.2 数据采集卡的安装  24-25
    2.7.3 数据采集参数设置  25-28
  2.8 本章小结  28-29
第3章滚动轴承故障诊断的软件设计  29-46
  3.1 引言  29
  3.2 故障诊断软件系统的开发环境-LabVIEW  29-32
  3.3 Matlab Script Node 节点  32-33
  3.4 软件系统的总体设计  33-35
  3.5 故障诊断系统的功能模块设计  35-45
    3.5.1 数据采集模块  35-36
    3.5.2 信号加窗  36-37
    3.5.3 数据分析模块  37-40
    3.5.4 数据存储模块  40-45
  3.6 本章小结  45-46
第4章基于神经网络的多传感器信息融合技术  46-56
  4.1 引言  46
  4.2 数据融合的方法  46-47
  4.3 动量改进BP 神经网络  47-51
    4.3.1 神经元类型  47-49
    4.3.2 BP 神经网络的改进算法  49-51
  4.4 BP 神经网络故障诊断系统  51-54
    4.4.1 滚动轴承故障信号的特征向量  51-53
    4.4.2 滚动轴承故障诊断的动量改进BP 神经网络的设计  53-54
  4.5 本章小结  54-56
第5章实验及数据分析  56-68
  5.1 试验系统组成  56-58
  5.2 实验步骤  58
  5.3 实验分析  58-67
    5.3.1 滚动轴承故障诊断图像分析  58-62
    5.3.2 网络训练及应用  62-67
  5.4 本章小结  67-68
第6章结论与展望  68-70
  6.1 全文工作总结  68-69
  6.2 研究工作的展望  69-70
参考文献  70-74
攻读硕士期间发表的学术论文  74-75
致谢  75

基于多传感器信息融合的滚动轴承故障诊断研究

内容摘要

全文目录

相似论文