带式输送机传动滚筒轴承故障智能诊断

详细信息

Intelligent fault diagnosis of belt conveyor drive roller bearing

摘要: 带式输送机工作环境恶劣,导致采集获得的滚动轴承信号受噪声影响较大,很难提取故障信号的特征频率。针对上述问题,提出了一种带式输送机传动滚筒轴承故障智能诊断方法。通过对滚动轴承振动信号的谱峭度进行分析,识别出瞬态冲击及其在频带中分布位置,同时根据谱峭度最大化原则确定最优中心频率和带宽,由此设计带通滤波器对滚动轴承信号进行滤波;对经过滤波处理后的滚动轴承有效信号进行谱峭度分析,确定故障特征信号,再进行希尔伯特变换获得包络谱,最终获得准确的故障特征。仿真结果表明,通过自适应谱峭度特征提取后,倍频信号更加清晰,特征频率更加明显准确,能有效识别滚动轴承故障。
- 带式输送机 /
- 轴承故障诊断 /
- 谱峭度 /
- 带通滤波器

[1]	余南平,王德恒.中国制造2025[M].上海:上海人民出版社,2017.
[2]	王国法,杜毅博.德国工业4.0与中国煤机装备智能制造的发展[J].煤炭科学技术,2019,47(3):1-9.
[3]	张雍达,宋嘉.工业4.0时代的智能制造[J].中国工业和信息化,2021(9):32-34.
[4]	LI Di,WANG Xianglong,CHEN Dongdong,et al.A precise ultra-wideband ranging method using pre-corrected strategy and particle swarm optimization algorithm[J/OL].Measurement[2023-04-01]. https://doi.org/10.1016/j.measurement.2022.110966.
[5]	张旭辉,张超,樊红卫,等.快速谱峭度结合阶次分析滚动轴承故障诊断[J].振动、测试与诊断,2021,41(6):1090-1095.
[6]	ISLAM M A,GAJPAL Y,ELMEKKAWY T Y.Hybrid particle swarm optimization algorithm for solving the clustered vehicle routing problem[J].Applied Soft Computing,2021(14):107655.DOI: 10.1016/j.asoc.2021.107655.
[7]	王星河,王红军,刘国庆.基于谱峭度的滚动轴承故障诊断方法[J].设备管理与维修,2021(9):151-153.
[8]	SILVA F F D,TORRES-KNOOP A,COOPMANS T,et al.Optimizing entanglement generation and distribution using genetic algorithms[J].Quantum Science and Technology,2021,6(3).DOI: 10.1088/2058-9565/abfc93.
[9]	DEEPIKA G,SARITA D.RAP via hybrid genetic simulating annealing algorithm[J].International Journal of System Assurance Engineering and Management,2021,12(3):419-425.

1.	武学宏. 复杂工况下智能化带式输送机的设计. 自动化应用. 2024(11): 179-181+184 . 百度学术
2.	闫旭. 滚筒式采煤机截割滚筒轴承故障诊断研究. 机械管理开发. 2024(06): 121-123 . 百度学术
3.	刘文峰，王荣振，董杰，靳晓伟，范澄澄. 带式输送机机械故障深度迁移学习诊断方法. 煤矿机械. 2024(09): 153-156 . 百度学术
4.	王大翊，秦宝岭. 基于改进神经网络的模拟电路板芯片故障智能诊断方法. 中国新技术新产品. 2024(17): 14-16 . 百度学术