论文部分内容阅读
采煤机作为煤矿企业的龙头机械,近年来随着机械化的提高、结构的复杂化及其功率的增大,故障率与日俱增,而且直接影响着煤矿的安全生产和经济效益。所以,有效的故障诊断技术不仅可以减少不必要的损失,并且真正做到预知维修。因此,在煤矿企业中对于故障信号的分析、检测及特征提取的研究意义重大。本学位论文以采煤机截割部为研究对象,着重分析了其齿轮和轴承的振动故障。分析对比了常见的弱信号检测方法及故障特征提取理论,并研究了它们各自在实际工程应用中的缺陷,最后提出了将混沌Duffing振子的和卷积型小波包相结合的的采煤机强噪声背景下初期故障微弱幅值变化检测及特征提取的故障诊断技术。本课题开展的研究工作如下:首先,介绍了采煤机的基本组成结构,深入分析了截割部的传动部与电机的构造,并重点研究了其滚动轴承和齿轮的振动机理与故障特性。紧接着便对采煤机振动故障信号的选取、分析及如何检测做了对比分析,分别得出了混沌Duffing振子及小波分析法在采煤机初期故障振动弱信号检测及特征提取中的优势。然后,建立了检测微弱振动信号的混沌Duffing振子模型,分析了其检测原理,并通过Melnikov函数得出了其混沌判据。同时分析了基于混沌Duffing振子的微弱信号检测振动幅值的原理和方法,通过Matlab的Simulink仿真得出了其测量值与真实值之间的误差达到10-7,证实了该理论可以应用于采煤机的故障诊断。为了进一步说明混沌Duffing振子在本文中应用的优势,故在已知Duffing振子模型中加入了噪声信号,通过原理分析及仿真得出了其对于噪声的免役性能。最后,在分析了基本的小波变化、多分辨分析及卷积型离散小波变化的基础上提出了基于卷积型小波包的采煤机振动故障的特征提取法,通过实验仿真分别得出了轴承及齿轮故障频率信息,并对比了正常与故障的能量值分布,进一步验证了故障的存在性及检测的准确性。