基于改进共振解调方法的滚动轴承故障诊断

《基于改进共振解调方法的滚动轴承故障诊断》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、密级：公开论文类型：应用研究工程硕士学位论文基于改进共振解调方法的滚动轴承故障诊断ResearchonFaultDiagnosisforRollingBearingBasedonImprovedResonanceDemodulation培养单位：电气与电子工程学院专业：电气工程学生姓名：王梦奇校内导师：马增强教授校外导师：刘占阳正高级工程师二○一八年六月独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得石家庄铁道大学或其它教育机构的学位或证书

2、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。签名:日期:关于论文使用授权的说明本人完全了解石家庄铁道大学有关保留、使用学位论文的规定，同意学校保留并向有关部门送交论文的复印件和电子版本，允许论文被查阅和借阅，同意学校将论文加入《中国优秀博硕士学位论文全文数据库》和编入《中国学位论文全文数据库》。本人授权石家庄铁道大学，可以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。(保密的论文在解密后应遵守此规定)作者签名:日期:导师签名:日期:摘要滚动轴承是旋转机械设备中最常见的部分，对于机车走行部来说滚动轴承的正常

3、运转对机车整体的安全起着举足轻重的作用。为了减少事故的发生，降低由此带来的重大经济损失，滚动轴承的故障诊断和监测技术的研究一向是机械设备故障诊断领域的重要课题。鉴于此，本文以滚动轴承为研究对象展开了一系列的研究。主要研究内容如下：首先，在理论分析和工程应用的基础上阐述了此课题研究的背景、意义以及该技术的历史发展状况，对滚动轴承的研究现状以及发展趋势进行了较为全面的阐述，也对滚动轴承的各种故障类型、振动机理、以及各种诊断方法在轴承故障特征提取中的应用作出简单介绍。同时也列举了轴承的典型故障类型，以及特征频率的计算方法。其次，针对滚动轴承原始振动信号信噪比低以及传统共振解调中带通滤

4、波器参数选择难以确定且依赖于人的主观经验的问题，提出一种基于局部均值分解和快速谱峭图算法相结合的方法来改进传统共振解调。该方法首先利用局部均值分解算法将振动信号分解成多个分量，再通过希尔伯特（Hilbert）变换获得各个分量的时频图，然后利用快速谱峭图算法自动确定带通滤波器的中心频率和带宽，最后对信号进行带通滤波和包络解调进行故障诊断。数字仿真信号和滚动轴承实测数据实验证明了该方法的有效性。再次，经过翻阅相关资料，对实时系统有了更深层次的认识，懂得其研究意义非凡，本课题设计了在Windows基础上的利用LabVIEWRT进行组建的轴承故障实时诊断平台，开发程序并对各类故障的轴承

5、进行实验，验证了实时故障诊断系统的可靠性。此实验系统不仅拥有清晰美观、操作便捷的界面，而且性能良好、运行通畅、扩展方便，能够高效地完成对滚动轴承故障的实时监测和诊断。最后，针对传统振动信号分析大都是离线处理，存在系统体积大、实时性差的问题，设计了以内嵌ARMCortex-M0内核的W7500P芯片为核心的嵌入式故障诊断系统。该系统借助于嵌入式硬件平台，将信号采集、处理、传输集成于一体在嵌入式硬件平台上进行执行，能够实现故障的实时在线诊断。最终，根据本文所提改进共振解调算法的实现过程，将改进后的MATLAB算法程序移植到嵌入式系统中用于实现轴承故障特征的提取。实验结果表明，将此方

6、法应用到此嵌入式系统中可以快速有效的完成故障特征的提取，实现滚动轴承故障的精确判断。关键词：滚动轴承；故障诊断；局部均值分解；快速谱峭图算法；共振解调；嵌入式系统；特征提取AbstractRollingbearingsarethemostcommonpartofrotatingmachineryandequipment.Fortherunningpartsoflocomotives,thenormaloperationofrollingbearingsplaysadecisiveroleintheoverallsafetyofthelocomotive.Inordertored

7、ucetheoccurrenceofaccidentsandreducethemajoreconomiclosses,theresearchonfaultdiagnosisandmonitoringtechnologyofrollingbearingshasalwaysbeenanimportantissueinthefieldofmechanicalequipmentfaultdiagnosis.Inviewofthis,thisarticlehascarriedoutaseriesofr