|
一、题目来源背景
滚动轴承是各种旋转机械中应用最广泛的一种通用部件，也是机械设备中最容易损坏的部件之一，它的运行状态是否良好会直接影响到整台机器的性能，如精度、可靠性及寿命等。就旋转机械而言，据统计，现场实际故障中30%是由于滚动轴承故障引起的。这是因为滚动轴承是机械设备中工作条件最为恶劣的部件，它在机械设备中起着承受载荷和传递载荷的作用。所以滚动轴承的故障诊断方法一直是机械故障诊断中重点发展的技术之一。因此对滚动轴承的故障诊断和预测已经成为各国研究的热点。
滚动轴承的工况监测与故障诊断在国外大概开始于20世纪60年代。在其后30多年的时间里，随着科学技术的不断发展，各种方法和技巧不断产生、发展和完善，应用领域不断扩大，监测与诊断的有效性不断提高。现在在工业发达国家，滚动轴承工况监测与故障诊断技术已经实用化和商品化。
滚动轴承的工况监测与故障诊断就是通过对滚动轴承在各种工况下表现出来的振动、噪声、温度、工作参数、气味、泄漏等信息的监测和综合分析来对其工作状态、故障类型和故障严重程度进行综合评价的过程，主要包括检测试验技术、信号处理技术、模式识别技术和预测评估技术4项基本技术，从而实现检测和发现异常、诊断故障状态和部位、分析故障类型、提出诊断方案和诊断结论的目的。
目前，根据故障监测和诊断技术机理的不同，滚动轴承的故障诊断技术主要有振动诊断技术、油液诊断技术、热诊断（热成像诊断和温度诊断）技术、声学诊断技术、油膜电阻诊断技术、光纤诊断技术等，其中振动诊断技术、铁谱分析诊断技术、热诊断（热成像诊断和温度诊断）技术应用最为普遍。
近些年，故障诊断的新技术和新方法层出不穷，人工智能和计算机在轴承故障诊断中的应用越来越广泛，今后的发展方向主要体现在以下方面：
（1） 时域分析和频谱分析在轴承故障诊断中的应用将日趋完善；
（2） 对于轴承故障诊断的理论和方法进一步深入研究，并且各种研究成果将会逐步应用到实际生产；
（3） 故障诊断智能系统进一步的深入研究，多种轴承故障分析方法相结合，如小波神经网络、模糊识别与小波分析相结合等新分析方法应用智能专家系统，提高诊断的效率和准确率；
（4） 随着计算机和网络技术的发展，远程故障诊断将是现代故障诊断发展的一个重要的方向。
二、主要研究内容、应用价值、改进及创新
(一)主要研究内容
1、滚动轴承的失效形式及故障特征；
2、滚动轴承的故障特征提取方法（频域分析）；
3、采用MATLAB软件编制故障诊断系统软件。
(二)应用价值
利用科学完善的监测和分析诊断系统，对设备进行在线监测，及早发现异常情况，并分析诊断出故障原因，可以及早准备合适的工具和零备件，大大减少维修所用时间，可以带来非常可观的生产效益。
(三)改进及创新
MATLAB 语言以矢量和矩阵为基本的数据单元，包含流程控制语句（顺序、选择、循环、条件等）、大量的运算符、丰富的函数、多种数据结构、输入输出以及面向对象编程，这些既可以满足简单问题的求解，也适合开发复杂的大型程序，广泛应用于数字信号处理、自动控制、小波分析、神经网络等工程和研究领域。
采用MATLAB作为软件开发平台，编制故障诊断系统，充分发挥MATLAB软件友好的工作平台和编程环境、简单易用的程序语言、强大的科学计算机数据处理能力等优势，有效提取滚动轴承的故障特征，进行信号分析与处理，进行故障诊断。
三、拟采用的研究方法、手段及实验准备情况
首先对滚动轴承的故障诊断系统的现状和已有的技术进行研究，在研究滚动轴承的失效形式及故障特征的基础上，确定设计方案，开发出一个基于 MATLAB 的滚动轴承故障诊断系统，有效提取滚动轴承的故障特征。
四、进度安排
任何一个项目的成功都离不开缜密的计划制定，毕业时及是要求在有限的时间内完成的任务项目，同样有好的计划才可以完成。设计之初，在老师的大力帮助下，我给自己每星期分配了不同的任务，在规定的时间内必须完成规定的工作计划，这样既可以按期完成设计工作又不会先显得过于忙乱，最终达到有条不紊的工作。
下面是我给自己的设计计程表：
|
时 间
|
内 容
|
|
第1~2周
|
查阅资料，了解滚动轴承故障诊断技术
|
|
第3周
|
文献综述，掌握设备故障形式以及故障诊断的发展情况
|
|
第4~5周
|
研究滚动轴承的故障形式与故障原因
|
|
第6~8周
|
滚动轴承故障信号的特征、提取方法以及处理方法的研究
|
|
第9~11周
|
故障诊断系统的总体设计，确定总体方案
|
|
第12~15周
|
运用MATLAB软件设计故障诊断系统平台
|
|
第16周
|
检查并完善毕业论文，准备毕业答辩
|
五、主要参考文献
[1] 仇学青,张鑫.滚动轴承故障诊断研究的国内现状与发展方向[J].煤矿机械,2007,28(6):6-8.
[2] 屈梁生,何正嘉.机械故障诊断学[M].上海:上海科学技术出版社,1986.
[3] 陈霞.滚动轴承的智能诊断系统研究[J].湖北工业大学学报,2007,22(4)
[4] 陆爽.基于现代信号分析和神经网络的滚动轴承智能诊断技术研究[D].长春: 吉林大学机械科学与工程学院, 2004.
[5] 何正嘉,訾艳阳,孟庆丰等.机械设备非平稳信号的故障诊断原理及应用[M].北京：高等教育出版社，2001.
[6] 侯跃谦，江秋，李萌等.滚动轴承故障诊断系统研究[J].长春大学学报,2004,14(4):1-3.
[7] Tang Q Y.Singularhy analysis using continuous wavelet transform for bearing fault diagnosis [J] .Mechanical Systems and Signal Processing,2002,16(6):1025- 1041.
[8] Nikolaou N G, Antoniadis I A. Rolling element bearing fault diagnosis using wavelet packets[ J] .NDT and E international,2002,35(3) :197- 205.
[9] 秦香敏,潘宏侠.滚动轴承故障诊断方法研究[J].科技情报开发与经济,2007,17(2).
[10] 陈杰. MATLAB宝典[M].北京:电子工业出版社,2007.
[11] 薛年喜.MATLAB在数字信号处理中的应用[M].北京：清华大学出版社，2003.
[12] Changzheng Chen,Changtao Mo.A method for intelligent fault diagnosis of rotating machinery[J]. Digital SignalProcessing,2004,14:203-217.
[13] 赵志宇.基于小波变换的滚动轴承故障诊断专家系统的研究[J].机械设计与研究,2005,21(1):50-52.
[14] 贾民平,杨建文.滚动轴承振动的周期平稳性分析及故障诊断[J].工程机械学报,2007,43(1):146-147.
|
