【滾動(dòng)軸承故障診斷監(jiān)測(cè)系統(tǒng)研究10000字（論文）】

I4總結(jié)與展望隨著重工業(yè)的發(fā)展，大型機(jī)械設(shè)備在各個(gè)領(lǐng)域內(nèi)的需要越來越大。滾動(dòng)軸承作為很多機(jī)械設(shè)備的基礎(chǔ)零件，它的性能會(huì)嚴(yán)重影響到機(jī)械設(shè)備的性能，滾動(dòng)軸承發(fā)生故障將會(huì)影響到機(jī)械設(shè)備的運(yùn)轉(zhuǎn)，對(duì)生成線的安全造成隱患，對(duì)經(jīng)濟(jì)也會(huì)造成巨大的損失。由于滾動(dòng)軸承已基本實(shí)現(xiàn)標(biāo)準(zhǔn)化，所以對(duì)于軸承的維修成本會(huì)大大降低，所以及時(shí)維修更換滾動(dòng)軸承能夠降低機(jī)械設(shè)備的維修成本。所以從生產(chǎn)安全、經(jīng)濟(jì)效益等方面考慮，滾動(dòng)軸承的監(jiān)測(cè)和故障診斷分析就變得非常重要。本文以滾動(dòng)軸承作為研究對(duì)象，設(shè)計(jì)了滾動(dòng)軸承在線故障診斷系統(tǒng)。此系統(tǒng)通過提取滾動(dòng)軸承的振動(dòng)信號(hào)，然后對(duì)信號(hào)進(jìn)行預(yù)處理、提取特征參數(shù)，之后將提取到的特征參量作為輸入利用神經(jīng)網(wǎng)絡(luò)系統(tǒng)對(duì)已知故障類型的特征參量進(jìn)行學(xué)習(xí)，最后根據(jù)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)軸承不同故障類型的振動(dòng)信號(hào)進(jìn)行診斷。本文的研究工作可以總結(jié)為一下幾點(diǎn)：介紹現(xiàn)階段的故障診斷方法，通過對(duì)比選擇振動(dòng)信號(hào)分析法作為本文的研究分析方法。介紹滾動(dòng)軸承的失效形式、振動(dòng)原理和故障特征，對(duì)實(shí)驗(yàn)所用的數(shù)據(jù)采集硬件進(jìn)行選型。通過對(duì)比辛幾何模態(tài)分解和二代小波的降噪效果，選擇基于辛幾何模態(tài)分解和頻譜振動(dòng)調(diào)幅方法對(duì)信號(hào)進(jìn)行降噪和分解，對(duì)分解后的信號(hào)進(jìn)行特征參數(shù)量化提取。對(duì)提取到特征參數(shù)進(jìn)行歸一化處理，利用BP神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行訓(xùn)練并進(jìn)行故障診斷。未來可以結(jié)合其他算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，進(jìn)一步提高預(yù)測(cè)的正常率以及避免出現(xiàn)過擬合或網(wǎng)絡(luò)不收斂的情況。可以設(shè)計(jì)一款人機(jī)交互的上位機(jī)軟件，實(shí)時(shí)的輸入檢測(cè)的信號(hào)，并做出相應(yīng)的診斷。

參考文獻(xiàn)[1] 陳剛.滾動(dòng)軸承故障診斷技術(shù)的應(yīng)用與發(fā)展[J].冶金設(shè)備管理與維修，2007,25(6)：47-48.[2] 王澤文.基于振動(dòng)信號(hào)的滾動(dòng)軸承故障診斷與預(yù)測(cè)系統(tǒng)研究[D].中國礦業(yè)大學(xué)，2014.[3] 武哲.旋轉(zhuǎn)機(jī)械故障診斷與預(yù)測(cè)方法及其應(yīng)用研究[D].北京交通大學(xué)，2016.[4] 王立臣,梁浩.滾動(dòng)軸承故障診斷技術(shù)現(xiàn)狀及發(fā)展趨勢(shì)[J].電子測(cè)試,2013(22):141-143.[5] 濮良貴，陳國定，吳立言．機(jī)械設(shè)計(jì)[M]．第九版．北京：高等教育出版社，2013.[6] 卓蘭.滾動(dòng)軸承的失效形式與故障診斷[J].赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版),2012,28(12):115-116.[7] 任帥.基于振動(dòng)信號(hào)的滾動(dòng)軸承故障診斷技術(shù)研究[D].南昌航空大學(xué)，2014.[8] PANH,YANGY,LIX,etal.Symplecticgeometrymodedecompositionanditsapplicationtorotatingmachinerycompoundfaultdiagnosis[J].MechanicalSystemsandSignalProcessing,2019,114:189-211.[9] 李顯澤,龍海洋,鄭直,韓炬,吳萍萍,趙樹忠.基于SGMD線性峭度和log-SAM的滾動(dòng)軸承故障診斷方法[J].噪聲與振動(dòng)控制,2020,40(06):121-127.[10] 鄭直,李顯澤,朱勇,王寶中.基于SGMD-Autogram的液壓泵故障診斷方法研究[J].振動(dòng)與沖擊,2020,39(23):234-241.[11] RuiZhou,WenBao,NingLi,XinHuang,DarenYu,Mechanicalequipmentfaultdiagnosisbasedonredundantsecondgenerationwaveletpackettransform,DigitalSignalProcessing,Volume20,Issue1,2010,Pages276-288.[12]周瑞.基于第二代小波的機(jī)械故障信號(hào)處理方法研究[D].哈爾濱工業(yè)大學(xué),2009.[13] AliMoshrefzadeh,AlessandroFasana,Jér?meAntoni.Thespectralamplitudemodulation:Anonlinearfilteringprocessfordiagnosisofrollingelementbearings[J].MechanicalSystemsandSignalProcessing,2019,132.[14] AliMoshrefzadeh.Conditionmonitoringandintelligentdiagnosisofrollingelementbearingsunderconstant/variableloadandspeedconditions[J].MechanicalSystemsandSignalProcessing,2021,149.[15] 楊正友,彭濤.基于振動(dòng)信號(hào)分析和支持向量機(jī)的滾動(dòng)軸承故障診斷[J].湖南工業(yè)大學(xué)學(xué)報(bào),2009,23(01):96-99.[16] 彭劉陽.基于振動(dòng)信號(hào)的滾動(dòng)軸承故障診斷與狀態(tài)識(shí)別方法研究[D].中國礦業(yè)學(xué)，2019.[17] 楊晨.基于振動(dòng)信號(hào)分析法的滾動(dòng)軸承故障診斷研究[D].蘭州理工大學(xué),2014.[18]臧剛權(quán).基于頻域特征參數(shù)曲線擬合法的柴油機(jī)故障診斷[J].農(nóng)機(jī)使用與維修,2007(01):21-22.[19] 王斌.基于小波分析和BP神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法研究[D].蘭州交通大學(xué),2014.[20] 于婷婷.基于BP神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法[D].大連理工大學(xué),2008.[21] 王照陽.基于BP神經(jīng)網(wǎng)絡(luò)的煉鋼轉(zhuǎn)爐軸承故障診斷系統(tǒng)[D].重慶大學(xué),2008.[22]張肖曼.基于BP神經(jīng)網(wǎng)絡(luò)的機(jī)車走行部滾動(dòng)軸承的故障診斷研究[D].