基于振动信号的滚动轴承故障诊断方法研究.pdf

基于振动信号的滚动轴承故障诊断方法研究.pdf

《基于振动信号的滚动轴承故障诊断方法研究.pdf》由会员分享，可在线阅读，更多相关《基于振动信号的滚动轴承故障诊断方法研究.pdf（66页珍藏版）》请在冰豆网上搜索。

大连理工大学硕士学位论文基于振动信号的滚动轴承故障诊断方法研究姓名：

孔亚林申请学位级别：

硕士专业：

水声工程指导教师：

古长江20051201大连理工大学硕士学位论文摘要滚动轴承是机械设备中最常见的零部件，其运行状态直接影响到整台机器的功能。

滚动轴承故障诊断中同一征兆域很难区分多种故障，单一传感器对故障分类识别有不确定性。

一般情况下，系统的某一故障源可能具有多个故障表征，要进行准确可靠的故障诊断，必须具有足够的故障表征，只有清楚故障表征与故障源之间的映射关系，才能通过故障表征查找到故障源。

本文通过对滚动轴承的振动类型及故障特征，详细研究了时域分析、时一频分析在滚动轴承故障诊断中的应用。

本文利用工厂采集数据、实验台数据及计算机仿真分别对时域信号参数指标、GIu!

EN函数指标及时一频分析中的短时傅立叶变换、小波变换、Wigner-Ville分布等分析方法在滚动轴承振动信号分析与故障诊断中的应用进行具体分析，找出各方法优劣及其与各故障形式的映射关系。

本文主要从以下几个方面进行了研究：

首先，以滚动轴承结构和工作原理为基础，研究了滚动轴承外表面振动信号产生的机理，滚动轴承故障的形式，以及由于故障的不同引起的不同形式的振动，建立了各种损伤类故障振动的数学模型，说明了利用滚动轴承外部振动信号对其进行诊断的可行性。

其次，通过时域分析方法，主要研究几个重要的时域参数指标，如峰值、均方根值、峭度指标、裕度指标、峰值指标、脉冲指标等的数学意义及工程解释，重点总结了无量纲参数指标用于故障诊断的判据，并用于棒材轧机和风机的轴承故障诊断中，取得了较好的效果。

再次，通过各种时一频分析方法，对于机械振动信号中的非平稳信号采用时一频分析的方法进行特征提取。

对短时傅立叶变换在轴承故障诊断的应用进行了研究。

通过仿真试验和实际故障信号，比较短时傅立叶变换、小波变换、WignerVille分布对非平稳信号的敏感性。

最后，通过具体信号和仿真实验，来分析各方法诊断故障优势及与故障部位之间的映射关系。

总结出有效的多信息融合的滚动轴承检测思路。

关键词：

滚动轴承；旋转机械；振动信号；时域分析；时一频分析孔亚林：

基于振动信号的滚动轴承故障诊断方法研究ResearchonFaultDiagnosisMethodandApplicationforRollingElementBearingBasedonVibrationSignalAbstractTheRoilingelementbearingistheconllTloncomponentinmachineryTheirmaningstatewillinfluencetheperformanceofthewholemachinedirectlyItishardtodistinguishvariablefaultsofidenticalpremonitionterritoryintheroilingelementbearingsfaultdiagnosisSinglesensordetecthasindeterminacyinfaultassortIncommonsituation，asimplefaultmayhavedifferentsymptomsForexactdiagnosis，wemusthaveenoughsymptomsandmakecleartherelationshipbetweenfailuresandsymptoms，inorderthatwecananal），zefaultthroughsymptomsInthispaper，throu曲vibrationmodalityandfaultsymptoms，rollingelementbearingfaultwasanalyzedindifferentmeanssuchastime-domainanalysisandtimefrequencyanalysisDataWasgatheredfromfactory，experimenttableandcomputeremluatorinordertostudyonparametertargetandfunctionGREENthatbelongtoTimeDomainanalysis，togetherwithShortTimeFoYerTransform（STFT），WaveletTransfoITnandWigner-VilledistributingthatbelongtoTimeFrequencyanalysisThesemethodswereanalyzedtofredthedominanceofthemInthispaper，therearepartsofworkasfollows：

Firstly，Fromthestartingpointofformationofvibrationsignals，therollingelementbearinginstinctvibration，nonlinearstiffnessofinner,outerraceandrollingelements，andvibrationcausedbyaSsembleerrorBuildsvibrationsignalmodelwithsingledefectoneachcomponentandanalysisfaultcharactersofthevibrationsignal，theorybasewasadvancedtorollingelementbearingfaultdiagnosisThen，bythemeansoftimedomainanalysis，TimeDomainparameterstargetsuchaspeakvalue，theaveragesquareroot，kartosis，abundantandimpulsetargettakenasimportantpartsintheanalysisCriterionofNon-DimensionParametersDiagnosiswassummedup，andwerepracticedwellintherollingbearingsdetectofroilingmillandfunThirdly，asthevibrationsignalofroilingelementbearingisoftennon-stationarystyle，SOTimeFrequencymethodwastakeninusetodistillthecharacterofmechanicalvibrationItwasstudiedinpracticeofShortTimeFourierTransform（STFT），WaveletTransformandWignerVilledistributingwhichiskeennesstonon-stationarysignalAtlast,themappingreIationshipbetweendominanceofmethodsandfailurepartvibrationtosummarizevariesmeanssyncretismdetectwayWaSfoundedKeyWords：

Roilingelementbearing；RotatingMachinery；Vibrationsignal；Timedomainanalysis；Time-frequencyanalysis独创性说明作者郑重声明：

本