联合收割机滚动轴承故障诊断系统研究——基于声场空间分布特征

杨旭; 唐靖哲

doi:10.13427/j.cnki.njyi.2024.06.024

联合收割机滚动轴承故障诊断系统研究——基于声场空间分布特征

杨旭,
唐靖哲

河南工业职业技术学院

基金项目:

教育部科技发展中心第三批“云数融合科教创新”基金项目(2018A10004)

详细信息

作者简介:
杨旭(1983-),男,河北平山人,讲师,硕士,(E-mail)yangxu_049@126.com

中图分类号: S225
计量
- 文章访问数: 1
- HTML全文浏览量: 0
- PDF下载量: 1
出版历程
- 收稿日期: 2022-11-19
- 刊出日期: 2024-05-31

Research on Fault Diagnosis System of Combine Rolling Bearing——Based on the Spatial Distribution Characteristics of Sound Field

Henan Polytechnic Institute

摘要

摘要: 首先，介绍了联合收割机滚动轴承振动机理和故障特征，并研究了基于声场空间分布特征的故障诊断流程；然后，对联合收割机滚动轴承的声音信号采集及特征提取进行了深入研究；最后，利用神经网络算法的模式识别对联合收割机滚动轴承的故障进行诊断。验证结果表明：系统对联合收割机滚动轴承故障的综合诊断率为91.67%,系统具有可行性。
- 联合收割机 /
- 滚动轴承 /
- 故障诊断 /
- 声场空间分布特征 /
- 神经网络
Abstract: It firstly introduces the vibration mechanism and fault characteristics of the combine rolling bearing, then studies the fault diagnosis process based on the spatial distribution characteristics of the sound field, and then conducts in-depth research on the sound signal acquisition and feature extraction of the combine rolling bearing, and finally uses the pattern recognition of neural network algorithm to diagnose the fault of the combine rolling bearing. The verification results show that the comprehensive diagnostic rate of the system for the faults of the combine rolling bearing is 91.67%, which proves the feasibility of the system.
- combine harvester /
- rolling bearing /
- fault diagnosis /
- spatial distribution characteristics of sound field /
- neural network

HTML全文

参考文献(33)

[1]	秦琴,朱伏平,杨方燕,等.全矢改进连续谐波小波包滚动轴承故障特征提取[J/OL].机械科学与技术:1-6[2022-12-05].DOI: 10.13433/j.cnki.1003-8728.20220167.
[2]	李嘉绮,郑近德,潘海洋,童靳于.一种二维时频多尺度熵的滚动轴承故障诊断方法[J/OL].机械科学与技术:1-10[2022-12-05].DOI: 10.13433/j.cnki.1003-8728.20220157.
[3]	雷春丽,夏奔锋,薛林林.基于MTF-CNN的滚动轴承故障诊断方法[J].振动与冲击,2022,41(9):151-158.
[4]	程亮,张步勤,张金营.基于CEEMD-RSVPSO-SVM的采煤机截割部滚动轴承故障诊断[J].煤炭技术,2022,41(5):179-182.
[5]	魏亚辉,郭计元,郜帆.基于Laplace小波滤波和SA-DS-CNN的滚动轴承故障识别[J/OL].轴承:1-9[2022-12-05].
[6]	刘仓,童靳于,包家汉.基于多传感器两级特征融合的滚动轴承故障诊断方法[J].振动与冲击,2022,41(8):199-207,259.
[7]	李军宁,罗文广,陈武阁.面向振动信号的滚动轴承故障诊断算法综述[J].西安工业大学学报,2022,42(2):105-122.
[8]	冯坤,李业政,贺雅.基于转速提取和优化MSB的滚动轴承故障诊断[J].机电工程,2022,39(4):452-459.
[9]	张天瑞,周福强,吴宝库.基于ARIMA和XGBoost的滚动轴承故障预测模型研究[J].制造技术与机床,2022(4):176-182.
[10]	白欣田.滚动轴承故障模拟实验系统设计及故障诊断方法研究[D].徐州:中国矿业大学,2021.
[11]	吴呈锦.基于非线性系统不同共振方法的滚动轴承多工况故障诊断研究[D].徐州:中国矿业大学,2021.
[12]	张国祯.基于卷积神经网络的采煤机摇臂传动系统滚动轴承故障诊断方法研究[D].西安:西安科技大学,2020.
[13]	段诚成.自适应局部迭代滤波及其在滚动轴承故障诊断中的应用[D].长沙:湖南大学,2020.
[14]	周静.基于自动分析技术的心音分类方法研究[D].南昌:江西理工大学,2020.
[15]	王天锐,鲍骞月,秦品乐.基于梅尔倒谱系数、深层卷积和Bagging的环境音分类方法[J].计算机应用,2019,39(12):3515-3521.
[16]	穆坤.滚动轴承微弱故障诊断方法研究及系统实现[D].北京:北京化工大学,2019.
[17]	李哲.联合收割机远程监测平台及故障分析研究[D].武汉:湖北工业大学,2019.
[18]	余昌舜.基于模糊神经网络的联合收割机远程故障诊断系统研究[D].武汉:湖北工业大学,2019.
[19]	刘光银.联合收割机故障监测与诊断系统研究[D].武汉:湖北工业大学,2019.
[20]	张俊,万里冰.基于小波分形和神经网络的滚动轴承故障诊断[J].组合机床与自动化加工技术,2009(9):26-28.
[21]	吴艳灵.基于声场三维空间特征的声像故障诊断方法研究[D].郑州:郑州轻工业学院,2018.
[22]	王名月,缪炳荣,袁成标.基于小波包分解与局部均值分解排列熵的自适应轴承故障诊断[J].装备机械,2017(2):1-7.
[23]	庞文强.基于分形理论的滚动轴承故障诊断方法研究及系统实现[D].北京:北京化工大学,2017.
[24]	徐凯.基于BPNN与DS理论的联合收割机堵塞故障诊断与报警系统[D].镇江:江苏大学,2016.
[25]	郭莹莹.基于声信号形态分量分析的滚动轴承故障诊断研究[D].广州:广州大学,2016.
[26]	宗永涛,沈艳霞,纪志成.基于形态学滤波和EEMD方法的风力发电系统滚动轴承故障诊断[J].机械传动,2014,38(11):116-120.
[27]	王泽文.基于振动信号的滚动轴承故障诊断与预测系统研究[D].徐州:中国矿业大学,2014.
[28]	李耀明.谷物联合收割机的设计与分析[M].北京:机械工业出版社,201401.265.
[29]	鲁文波,蒋伟康,张一麟.基于声场空间分布特征的齿轮箱故障诊断研究[J].振动与冲击,2013,32(18):183-188.
[30]	王留锋.基于ARM的联合收割机信息处理系统设计开发[D].哈尔滨:哈尔滨工业大学,2013.
[31]	孙伟,刘正江,李新民.基于LMD和RBF相结合的尾桨台传动系统滚动轴承故障诊断方法[J].直升机技术,2013(2):24-27,58.
[32]	杨珊.基于异常声音的货运列车滚动轴承故障诊断方法研究[D].长沙:中南大学,2012.
[33]	岳红利.小波分形理论与神经网络结合的电机轴承故障诊断研究[D].太原:太原理工大学,2011.