融合多源特征的墨辊轴承故障诊断方法研究

摘要

随着印刷机自动化程度与精密程度的不断提升，设备的可靠性和稳定性对于生产更为重要。由于印刷机中的墨路的复杂性，使轴承的单个检修十分复杂，拆卸也比较麻烦，轴承故障的频繁出现导致大量印刷废品，因此对印刷机进行故障诊断十分必要。本课题完成的主要工作内容如下：
　　(1)本文介绍了印刷机故障诊断的研究现状，分析了现有的三种常用熵分析方法：样本熵、信息熵和双谱熵的优缺点，并对其进行比较，根据现有印刷机故障诊断方式的特点，将熵分析方法与隐马尔可夫模型结合，应用到印刷机墨辊轴承的故障诊断中。
　　（2）本文提出基于多特征融合的印刷机轴承故障诊断方法。现有方法多针对单一声音故障信号或振动故障信号进行故障诊断，但这些方式致使信息采集不够完整，本文将声音故障信号与振动故障信号进行融合，综合考虑其影响因素，这种多特征融合诊断的方法较好地提高轴承故障诊断率。
　　（3）本文将轴承的三种故障类型、三种故障程度和轴承的融合信号进行分别控制变量的故障诊断，分析墨辊转速对印刷机墨辊轴承诊断率的影响，对比声音故障信号和振动故障信号在墨辊轴承的故障诊断率。
　　通过本课题的研究，为多特征融合的印刷机轴承故障诊断提供了新的方法，也为印刷机的故障诊断提供了新的思路。

目录

声明

1 绪论

1.1课题来源、背景及意义

1.2 课题研究现状

1.3墨辊轴承分析

1.4 论文主要内容

2故障信号的熵特征获取与评价研究

2.1常用熵分析故障特征提取方法

2.2多源故障信息的双谱熵分析

2.3模型验证

2.4本章小结

3多源特征融合与隐马尔可夫模型

3.1卡尔曼滤波

3.2多传感器融合

3.3融合多源特征的决策模型研究

3.4本章小结

4印刷机墨辊轴承故障诊断研究

4.1实验条件

4.2基于振动和声音信号的印刷机故障诊断

4.3多源特征融合的印刷机故障诊断

4.4本章小结

5总结与展望

5.1总结

5.2展望

致谢

参考文献

攻读硕士学位期间发表的论文