《振盪行為下變轉速工況軸承故障特徵提取及診斷研究》是依託蘇州大學，由石娟娟擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：振盪行為下變轉速工況軸承故障特徵提取及診斷研究
- 項目類別：青年科學基金項目
- 項目負責人：石娟娟
- 依託單位：蘇州大學
項目摘要,結題摘要,
項目摘要
軸承在變轉速工況下的振動信號相比平穩狀態而言包含更多反映軸承狀態的信息，但信號本身也表現出非平穩性和非線性。因此，如何對該工況下的信號進行有效特徵提取和分析是軸承故障診斷的關鍵，也是難點。基於軸承故障引起的衝擊在振盪行為上與其他信號成分表現出瞬態和持續的差別，本項目擬以振盪行為理論為基礎，研究非線性的軸承故障特徵信號提取方法，進而針對變轉速工況軸承轉速估計困難的問題，探究構建無需軸轉速的變轉速軸承故障診斷策略。主要內容包括：首先，研究基於振盪行為的信號分解中字典基的自適應選擇準則和最佳化信號分解疊代算法，建立快速提取軸承故障特徵信號的方法；其次，在所提取信號上開展基於局部能量最大的瞬時頻率估計算法的研究；然後，利用瞬時頻率，研究信號的循環廣義解調，構建無需轉速和重採樣的變轉速軸承故障診斷策略。本項目研究的振盪行為下故障特徵提取方法和無需轉速的故障診斷策略將為變轉速軸承故障診斷提供一種新途徑。
結題摘要
軸承作為旋轉機械的重要零部件之一，常運行於變速工況且經受強衝擊作用，是極易危及設備安全的易損件。因此，對軸承實施故障診斷具有重要的實際意義。但變轉速下軸承的故障診斷不同於恆定轉速情形，變轉速的工作模式將增加信號的非平穩性和非線性；同時，轉速的變化也將導致故障診斷方法中各參數甚至診斷方法也隨之改變，由此增加了變轉速下軸承故障特徵提取和診斷的難度。為此，本項目研究了適用於變轉速下軸承故障特徵信號提取的方法；基於此，構建了基於振動信號本身準確提取瞬時頻率的算法；而後，建立了不依賴於軸轉速信息的變轉速軸承故障檢測和故障類型智慧型識別策略，實現了對變轉速軸承的故障診斷。主要研究內容及重要結果如下：(1) 分析了軸承在故障激勵下的振動特性，得出轉速變化對故障引起的瞬態特徵的振動特性影響可忽略的結論，據此，在構造稀疏過完備字典時只需構造涵蓋單個形態的小波基函式；(2) 針對稀疏框架目標函式求解收斂速度緩慢的問題，引入了最佳化最小算法求解稀疏表示係數。該算法使得原本相對較難的目標函式的求解變得更加簡便可行，將其運用於軸承、齒輪的複合故障診斷，驗證了其有效性，且與傳統的求解算法進行了比較，體現了最小最佳化算法在運算效率上的優越性；(3) 針對瞬時頻率提取面臨的挑戰，提出了基於機率密度分布的多源時頻脊線融合算法，該算法通過對異常時頻脊線區間進行定位、多源時頻脊線預處理和融合實現對瞬時頻率的精確提取，為在無需轉速計的情況下實現軸承的故障診斷提供了基礎；(4) 提出了基於平均故障特徵係數的變轉速軸承故障診斷策略，避免了重採樣過程中插值算法對階比分析結果的影響，在一定程度上也簡化了軸承的故障診斷流程； (5) 提出了基於改進深度置信網路的分層自適應方法用於軸承故障診斷，構造分層深度學習結構從軸承中提取深層代表特徵以識別軸承故障類型和程度，實驗表明在診斷精度和運行效率方面，該算法均具有優越的性能。
