BLT5人造草坪簇绒机的状态监控与故障诊断

摘要

本文依托与山东贝尔机械合作的横向课题“BLT5人造草坪簇绒机的状态监控及故障诊断”，在对簇绒机常见故障分析的基础上，对簇绒机状态监测进行分析，提出以簇绒机主轴上的传动轴承为研究对象，进行了状态监测与故障诊断系统的总体设计。然后进行了轴承振动信号的分析方法—时域、频域、时频分析的研究，在EMD方法的基础上提出了振动信号的I-EEMD分解，从而获取信号中不同频段层次的信息。采用信号的非线性动力学参数—模糊熵作为轴承故障的特征值，采用基于遗传算法参数优化的支持向量机进行轴承故障的模式识别，取得了较好的结果。最后在LabVIEW完成了系统的数据库设计和总体程序设计。具体研究内容及方法如下：
　　（1）查阅大量相关文献资料，充分了解国内外状态监测与故障诊断的发展历史与现状，确定了状态监测与故障诊断的研究方法。研究了簇绒机的主轴系统和工作原理，研究了簇绒机的常见故障及振动的激振源。基于对簇绒机故障监测的分析，确定了系统监测对象—主轴上的传动轴承。对状态监测与故障诊断系统进行了总体结构设计，确定了数据传输方式和远程访问方法，并设计了系统硬件。
　　（2）研究了时频分析方法—STFT、WT和EMD，研究了影响EMD方法性能的模态混叠和端点效应。针对EMD方法的不足，在EEMD方法的基础上进行了进一步的改进，提出了自适应的I-EEMD方法，采用仿真信号证明了该方法的有效性。对故障轴承信号进行I-EEMD分解后计算IMF分量的Hilbert包络谱，有效的获取了轴承故障信息。
　　（3）研究了基于支持向量机（SVM）的模式识别方法，提出了基于遗传算法的SVM参数自适应选择。研究了非线性动力学参数—熵函数，并针对模糊熵函数的参数取值进行了研究。进一步提出对故障信号进行I-EEMD分解以达到多层次分析的效果，采用敏感系数选取有效的IMF，计算其模糊熵值作为故障信号特征，最后输入到SVM中进行故障诊断。进行实例验证，训练所得模型对测试样本进行分类，并有效的识别出了故障信息。
　　（4）采用队列消息处理器的程序结构，利用LabVIEW软件搭建了整体状态监测与故障诊断系统。利用Access设计了系统数据库，利用LabVIEW结合Matlab实现故障诊断的模式识别，该系统实现了振动信号的采集、传输、存储、分析与故障诊断。

目录

声明

第一章 绪论

1.1 研究背景与意义

1.2 设备状态监测及故障诊断方法

1.3 国内外研究概况

1.4 课题研究内容

第二章 系统总体设计

2.1 人造草坪簇绒机组成

2.2常见振动故障及其特征

2.3 人造草坪簇绒机的状态监测

2.4 系统设计

2.5 本章小结

第三章 振动信号分析方法的研究

3.1 时域分析方法

3.2 频域分析方法

3.3 时频分析

3.4 I-EEMD

3.5 本章小结

第四章 簇绒机故障诊断方法的研究

4.1 支持向量机

4.2 模糊熵

4.3 轴承故障诊断方法

4.4 实验验证

4.5 本章小结

第五章 系统实现

5.1 队列消息处理器

5.2 数据库设计

5.3现场数据采集系统

5.4 状态监测与故障诊断系统实现

5.5 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

攻读学位期间所发表的学术论文

致谢