涡轮钻具滚动轴承故障诊断系统的研究
在旋转机械中,轴承的失效可能会引起系统故障。到目前为止,有很多基于振动的方法来监测轴承状态,在这些方法中都很少考虑到轴承振动的自身特性。
在学位论文中,对正常轴承系统进行了研究分析,对轴承振动的不同类型有了全新的认识。在研究过程中,将轴承的滚动体与滚道之间的接触设定为非线性弹簧,将系统转换成一个2-自由度模型。
通过研究分析确定了内圈的振动特性主要取决于轴承的内间隙。轴承故障产生的周期行为会影响到它的混沌行为,并在庞加莱映射中得以体现。
同时,混沌的监测指标如李雅普诺夫指数、关联维数以及归一化信息熵都会发生变化。为了比较故障诊断技术中监测指标的灵敏度和鲁棒性,进行了全面的实验分析。
实验结果也充分说明了关联维数、归一化信息熵和小波近似最大系数是轴承故障监测的可靠指标。在论文中,提出了模糊神经诊断系统。
为了提高轴承故障诊断的可靠性,在新的诊断系统中,对上述的监测指标进行整合。同时,基于自适应模糊神经推理系统,提出了轴承预测方案,结合事先约定好的逻辑准则,通过理论与实验研究,证实了这种预测方案可以用来评估轴承的下一步工作状态。
并通过实验验证了该预测方 ...


雷达卡


京公网安备 11010802022788号







