大型回转支承套圈圆度误差自动检测装置设计说明书
收藏
资源目录
压缩包内文档预览：
编号：145734591
类型：共享资源
大小：3.51MB
格式：ZIP
上传时间：2021-09-28
上传人：QQ14****9609
认证信息
个人认证
郭**（实名认证）
陕西
IP属地：陕西
30
积分
- 关 键 词：
-
大型
回转
支承
套圈圆度
误差
自动检测
装置
设计
说明书
- 资源描述：
-
大型回转支承套圈圆度误差自动检测装置设计说明书,大型,回转,支承,套圈圆度,误差,自动检测,装置,设计,说明书
- 内容简介：
-
算法和圆形域特征抽取Wahyu Caesarendra伍伦贡大学.au Prabuono Buyung Kosasih伍伦贡大学.au Kiet Tieu伍伦贡大学.au 克雷格a年代穆迪伍伦贡大学.au出版的细节Caesarendra,W。、Kosasih B。、Tieu Kiet。&穆迪 c . a . s .(2013)。低速回转支承轴承的状态监测的基础上李雅普诺夫指数算法和圆形域特性抽取。26 日国际状态监测和诊断工程管理大会(COMADEM)英国:状态监测和诊断工程管理。研究网络的开放存取机构库伍伦贡大学。为进一步的信息联系 UOW 库:.au摘要这提出了一个结合非线性和循环特性采用状态监测。采用李雅普诺夫指数(LLE)算法作为一种基于振动信号处理方法的数据。LLE 是用来探测混乱振动数据离散角井的位置。从处理过的数据,循环等特性意思是,偏态和峰态计算和监控。结果表明,逐步轴承状况可以更清晰地发现在圆形域特性相比域特性。Te 的应用方法与实验室演示了回转支承轴承运行数据。关键字域、圆形指数、李雅普诺夫、轴承、回转、速度慢、监控、算法。学科工程科学和技术研究。出版的细节Caesarendra,W。、Kosasih B。、Tieu Kiet。&穆迪c . a . s .(2013)。状态监测的缓慢速度，回转支承轴承基于李雅普诺夫指数算法和圆形域特性抽取。26 日国会国际状态监测和诊断工程管理(COMADEM)英国:状态监测和诊断工程管理。这会议论文可以在网上研究:htp:/ / .au / eispapers / 2273。低速回转支承轴承的状态监测的基础上，李雅普诺夫指数算法和圆形域特征抽取。Wahyu Caesarendra,Buyung Kosasih 安 Kiet Tieu,克雷格 A.S.穆迪机械学院、材料和机电一体化工程,卧龙岗大学,卧龙岗,澳大利亚新南威尔士州 2522*电子邮件:.au- 1 -文摘摘要提出了一种结合非线性和循环特性知识资源条件，低速回转支承轴承监测方法。该方法采用李雅普诺夫指数(LLE)算法作为一个信号基于振动数据的处理方法。lle 是用来检测混沌振动数据在离散角轴的位置。从处理数据、圆形等特性的意思是,偏态和峰态和计算监控。结果表明,逐步轴承状况会恶化被发现在圆形域更清楚特性相比,时域特性。应用该方法证明实验室运行回转支承轴承数据。1 介绍回转支承轴承是滚动轴承广泛用于大型工业机械转盘等钢厂起重机、海外起重机、可旋转的手推车、挖掘机、回收装置,堆垛机、摇摆不定的铲子和钢包车。他们通常支持高轴向和径向负载。回转轴承通常是关键的生产部分。当其中一个计划外的停机时间轴承坏了非常昂贵的原因生产中断。此外,正如更换大型回转轴承需要长时间由于长期制造和交货时间到达交货时间,往往携带备用轴承防范这些不可预见的情况下,添加额外的成本。为了防止扩展意外宕机,一个精确的条件监测方法是必要的。状态监测方法的准确性取决于选择的监控特性。滚动轴承的变化条件通常是反映在变化振动信号的特性。然而,很难选择合适的特征速度慢回转支承轴承(1 rpm)。统计时间:域特性常用的高滚动轴承低速度应用于低转速时敏感性回转轴承由于低冲击能量发射的旋转元素接触缺陷点(Tan 等 2008)。低能量的生成一个非常弱的振动信号的影响深深掩盖的背景噪音。因为从振动的特性信号的噪声占主导地位,他们对轴承的任何变更条件。当最终振动振幅超过了背景噪声的特性值显著增加,但在这一点上严重轴承损害已经发生:通常在这个阶段已经轴承条件接近不可持续的错。大多数文章发表在回转支承轴承采用有限元法分析研究(2006;Goncz 等 2011。Aguirr(vokelj 等 2010)和(2011 年vokelj 等)提出了一种基于振动分析技术总体经验模态分解(EEMD)结合多尺度的成分分析(MSPCA)。该方法从实验室成功地用于监控数据载条件和可逆的旋转,回转支承轴承的故障认为是由于多个缺陷。因此,信号处理技术来识别多个缺陷的发生是必要的。大直径回转轴承,多个缺陷可以被使用一种特殊的数据处理方法评估轴承条件离散角轴的位置。本文结合李雅普诺夫指数(LLE)和数据处理方法循环特性计算的监控变量是使用。LLE 是一种常见的方法确定时间序列的混沌行为,而循环用于统计特性分析在一个分布式数据的行为角或圆形域。LLE 通常用于医学工程(Paivinen 等 2005)和中常用的循环特性生物学和神经科学领域的焦点,2009;费舍尔,1995)。方法都没有被使用在振动状态监测(CM)区域。两个fsteps 建议方法见图 1。图 1在步骤 1 中,振动时间序列数据重建预定的嵌入维数和延迟时间、稳定和混乱的状况振动信号的基础上重构向量用LLE 算法确定每 1 s(6)。使用重构向量作为输入,LLE 算法措施指数分歧,1 重构向量。此外,振动条件决定1 的标志。如果是消极的迹象,即1 0 意味着什么呢混乱的状况。稳定状态发生记录为 1 和混乱- 3 -情况记录“0”。通过改变条件 1 的位置角域,循环等特性意思是,偏态和峰态可以计算该方法的步骤 2。该方法是证明实验室运行回转支承轴承数据。结果显示出优越的有效性方法在监测速度慢的状况回转支承轴承从正常到失败,相比时域特征提取。图 1 的一般步骤提出的总和李雅普诺夫指数和圆形域特征提取方法。2 李雅普诺夫指数(LLE)算法回转支承轴承发生故障时,动态滚动的元素和之间的联系缺陷位置将产生一个本地的不稳定振动信号。由于低转速, 影响能量相对较低和短,因此,当地不稳定信号深深掩盖了在背景噪音。使用传统的时间-域等特性的意思是,偏态和峰态退化从正常到错误条件是很困难的来确定。为了克服缺点,LLE 算法相结合,信号处理,作为一个监视变量和循环特性使用。在潜在的非线性等特性分形维数、相关尺寸和摘要 LLE,最后一个被选中是因为其功能在识别混乱的状况积极或消极的迹象(Paivinen 等 2005)。这圆形的特点是有用的分析方法,如图 2 所示。为了分析非线性和混乱特征,原始时间序列的振动信号,x=(x1,x2,。,xN)重建 N 是振动的数据点的数量信号。在常见的术语,重建向量形成相空间。相空间可以定义如下 J 是滞后时间或重建延迟,米是嵌入维度和米是号码吗重建的向量从原来的时间系列。因此X 的维度是一个 M X M 矩阵。是一个古老的李雅普诺夫指数算法方法,在一些报道等领域的生物医学工程领域,尤其是分析脑电图(EEG)信号(Paivinen 等 2005)。作为前面所提到的,LLE 算法的措施指数发散(正面或负面)两个初始邻近轨迹在一个阶段空间。目标是量化的相应的干扰信号异常。换句话说,LLE 算法在某些时间由于措施的混乱程度任何干扰。在本文中,术语干扰是指任何地方不稳定振动信号之间的动态联系滚动的元素和缺陷。本文使用 LLE 算法提出的(Rosenstein et al1993)。该算法适用于较小的数据集,在这个工作需要。用到下列两个公式：3 循环特性分析循环特性统计分析是一个亚区它允许计算统计属性,偏态和峰态的数据分布在一个圆形或角域,不像从一般的统计分 析计算，从数据分布在时间的特性域。在本文中,循环特性计算从LLE 是用来分析获得的数据算法。如前所述,LLE 是确定原料的稳定或混乱的状况振动数据离散角位置。LLE 算法的演示应用程序，检测方法和循环分析提出了在图 2 中,这是基于实验室获得的数据中描述的部分 4。一组 30 秒使用原始振动数据 LLE 算法的输入,第二个数据(4880 数据点)进行了分析确定数据代表一个混乱的状况。在这幅画中,迹象代表(负1),而稳定的条件“十字”代表混乱状态(积极的迹象1)。在图 2 中所有数据转换为圆形或角域,但在图 5 只有转换为了稳定条件圆形域特征提取。它指出稳定状态将发生越来越少经常错的进展。在图 2 中使用的振动数据说明为了计算圆形功能,特定的时间稳定条件(负1)发生记录。然后,它在角域的转换以下表达式。分布在圆形或角域如图所示图 5 中(a)和 5(b)。循环平均和平均合成矢量:平均向量。使用简单的线性平均数据点。自角方向,变成了单位向量在一个二维平面。 在二维的半径r 圆形平面(r = 1 是本文使用),这种转变 Z 的意思是计算向量。量的测量循环传播(13)圆形域(焦点,2009)集中数据样本的意思 C 是数据点的数量。我们使用了内置函数“角” MATLAB 计算圆形的意思。此外,表示点在圆域积极的迹象表明混乱发生。 图 2循环偏态:作为三阶统计时刻,圆形偏态量化的对称分布数据循环。在循环域,我们使用了圆形偏态公式(费舍尔,1995)。Kurtos 圆形类似于时域峰度特性,循环峰度衡量的分散程度在峰值分布。在早期阶段峭度反映了轴承的条件和提供了潜力损伤检测在早期阶段。当辊滚动元素在缺陷位置,它生成响应信号的概率密度比正常状态小。我们也用费舍尔的公式(费舍尔,1995) 计算圆形峰度定义遵循冯米塞斯的分布,这是圆形的正态分布的模拟,k = 0 的分解三角的时刻,m2,定义为时刻相对于样本均值。4 实验装置本文中使用的振动数据从实验室获得的测试，试验台可以操作的速度 112，试验装置操作在可逆旋转速度 1 rpm。回转支承轴承使用轴/径向轴承舍弗勒(INA YRT260)提供的内部和外直径 260 毫米和 385 毫米。振动数据从四个加速度计安装在内部径向表面在 90 度。加速度计是IMI608 的所有类型。他们连接到高速“微小”范围数据收集(PS3424)。收集到的数据是每天 4880 赫兹抽样率 138 天期间从 2 月到 2007 年 8 月。为了加速轴承缺陷,在 2007 年 4 月注入轴承，如图 3 所示。原理图的实验室回转回转频率如表 1 所示。图 3实验室回转支承轴承的示意图试验装置Defect modeAxialRadialBPFI (Hz)1.320.55BPFO (Hz)1.370.55BSF (Hz)0.430.54表 1 回转支承轴承的故障频率(附录A)计算- 4 -5 结果与讨论在常见的振动分析,外观故障通常可以确定频率出现(西格尔,等 2012)。FFT 有被用于这个目的,但回转轴承故障频率, 提出了在表 1 中很难确定。振动信号主要由高频组件这面具的低能和低频回转支承轴承。然后，偏态和峰态从 2 月到 2007 年 8 月(2007 计算天)。特征提取的结果在图 4。可以看出从正常到改变轴承的条件(2007 年 2 月至 8 月)并不明显从平均值和偏态特性;只有峭度,与平均值和偏态相比,显示了波动的轴承运行时间。计算结果基于峭度的特性,我们认为性能恶化在最近时期,即在 2007 年 8 月。我们也计算其他时间域特性,比如熵,上部和下部基于直方图(市等 2007)。为简便起见,此处没有显示结果;然而,类似于他们不显示任何恶化意味着和偏态。我们应用LLE 算法评估回转支承轴承的条件在每秒钟(6) 振动信号包含 4880 数据点。作为第二节中提到的 LLE 算法指数发散(正面或措施消极的)两个初始邻近的轨迹相空间。根据情商，(9)负1 是指轴承信号(4880 数据点)稳定的和积极的1 意味着轴承信号混乱。C 20 40 60 80 100 120 80 0 天图 6 循环特征提取结果的基础循环分析和 LLE 算法在循环分析方法,稳定条件是记录和混乱的状态。稳定时的时间(秒)条件记录转化为圆形域。它可以看到从图 5(a)和(b)稳定分布或在于角或圆域的循环。可以看到,在轴承的开始运行状态,即 3 月 26 日的大部分环线角尺度所示图 5(一个)。随着时间的推移,部分大圈的小圆圈标记减少如图 5 所示(b)。这表明混乱的条件更频繁地发生稳定的原料条件在 30 秒振动数据。还需要进一步的统计工具计算准确的区别。图 4 线性时域特征提取(一)图 6 线性时域特征提取（二）图 5 循环特征提取结果的基础循环分析和 LLE 算法有一天这三个循环特性的结果图片的右边 5 所示(一个)和照片 5(b)。通过计算循环的意思,圆形偏态和圆形峰度日常 2 月至 8 月(138 天),我们有轴承性能恶化的条件图 6 所示。从图 6 可以看出,三个循环功能显示一致的结果。在循环分析方法,稳定条件是记录和混乱状态丢弃。稳定时的时间(秒)条件记录转化为圆形域。它可以看到从图 5(a)和(b)稳定分布或在于角或圆域的循环。可以看到,在轴承的开始运行状态,即 3 月 26 日的大部分环线角尺度所示图片 5(一个)。随着时间的推移,部分大圈的小圆圈标记减少如图 5 所示(b)。这表明混乱的条件更频繁地发生稳定的原料条件在 30 秒振动数据，还需要进一步的统计工具计算准确的区别。因此,圆形循环等特性计算意思是,圆形偏态和圆形的峰度(费舍尔,1995)提出的。有- 5 -一天这三个循环特性的结果图片的右边 5 所示(一个)和照片 5(b)。通过计算循环的结果,圆形偏态和圆形峰度日常 2 月至 8月(138 天),我们有轴承性能恶化的条件图 6 所示。从图 6 可以看出,三个循环功能显示一致的结果,与波动在过去的时期轴承运行时间(约 120 - 138 天)。这种情况是类似的线性时域峰度检测到图 4(底部)波动发生的地方。100 - 130 天。确认结果, 回转支承轴承解体检查在 2007 年 8 月 31 日,即 138 年之后的一天。图 7(a)损坏辊的轴向(b)损害6 结论特征提取的结果 LLE 相结合算法和圆形域特性比时域特性更敏感监测轴承状态，指出圆形域特征的有效性基于循环分析和 LLE 的提取算法的一致性结果的意思是,偏态和峰态特性当轴承特性更加波动一直旋转约 123 天(2007 年 8 月)。恰恰相反唯一的敏感特性域特征峰态。另一个优点是由于灰尘插入短的动态变化(约从一开始)和 40 天从一开始隐患(90 天)识别。然而,该方法缺点是计算时间的比时域方法花费更长的时间特征提取。那是因为 LLE 的算法基于相空间向量与预先确定的延迟时间和嵌入维度。总之,代表的敏感特性为了需要轴承状况估计后的退化指数方法。7 确认第一作者承认大学伍伦贡大学的金融支持研究生奖(UPA)和国际研究生学费奖(IPTA)8 附录 A:回转支承轴承故障频率(Eschmann 等1953)故障频率外环(BPFO)。IRrpm 和ORrpm 转速在哪里内环和外环。1rpm IRrpm的价值是 1 和 ORrpm 的价值是 0。dm 表示的意思是轴承直径是滚动体的直径和 z 是滚动的元素。9 参考文献Tan, A. C. C., Kim, Y.-H. and Kosse, V. (2008). Condition monitoring of low-speed bearing a review,AustralianJournalofMechanical Engineering, Vol. 6, no.1, pp. 61-68.- 7 -Kania, L. (2006). Modeling of rollers in calculation of slewing bearing with the use of finite elements, Mechanism and Machine Theory, Vol. 41, no.11, pp. 1359-1376Gncz, P., Potonik, R. and Glode, S. (2011). Load capacityof a three-row roller slewing bearing raceway, Procedia Engineering, Vol. 10, pp. 1196-1201.Gang, Z., Xue, Z., Kaifeng, Z., Juan, R., Dede, J., Qingzhen, Y., Mingyan, L. and Yan, Z. (2011). Optimization design of large-scale cross-roller slewing bearing used in special propeller, Applied Mechanics and Materials, Vol. 48-49, no.2 pp. 787-792.Glode, S., Potonik, R. and Flaker, J. (2012). Computational model for calculation of static capacity and lifetime of large slewing bearings raceway, Mechanism and Machine Theory, Vol. 47, pp. 16-30.Aguirrebeitia, J., Abasolo, M., Avils, R. and Fernndez de Bustos,I. (2012). Theoretical calculation of general static load-carrying capacity for the design and selection of three row roller slewingbearings, MechanismandMachine Theory, Vol. 48, pp. 52-61.Bai, X., Xiao, H. and Zhang, L. (2011). The condition monitoring of large slewing bearing based on oil analysis method, Key Engineering Materials, Vol. 474-476, pp. 716-719.Liu, R. (2007). Condition monitoring of low-speed andheavily loadedrolling elementbearing, Industrial Lubrication and Tribology, Vol. 59, no.6, pp.297-300.Rodger, L. M. (1979). The application of vibration signature analysis and acoustic emission source location to on-line condition monitoring of anti-frictionbearings, TribologyInternational,Vol. April, pp. 51-59.Multivariate and multiscale monitoring of large-size low-speed bearings using ensemble empirical mode decompositionmethodcombinedwith principalcomponentanalysis,Mechanical Systems and Signal Processing, Vol. 24, no.4, pp. 1049-1067.vokelj, M., Zupan, S. and Prebil, I. (2011). Non-linear multivariate and multiscale monitoring and signal denoising strategy using kernel principal component analysis combined with ensemble empirical mode decomposition method, Mechanical Systems and Signal Processing, Vol. 25, no.7, pp. 2631-2653.Pivinen, N., Lammi, S., Pitknen, A., Nissinen, J.,Penttonen,M.andGrnfors,T. (2005). Epileptic seizure detection: A nonlinear viewpoint, Computer methods and Programs in Biomedicine, Vol. 79, no.2, pp. 151-159.Berens, P. (2009). CircStat: A MATLAB toolbox forcircularstatistics,JournalofStatistical Software, Vol. 31, no.10, pp. 1-21.Fisher, N. I. (1995). Statistical analysis of circular data,Revisededition,CambridgeUniversity Press.PewseyA.(2004).Thelarge-samplejoint distribution of key circular statistics, Metrika, Vol. 60, no.1, pp. 25-32.Rosenstein,M.T., CollinsJ.J., De Luc
- 温馨提示:
1: 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
人人文库网所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。
川公网安备: 51019002004831号