不同工况下旋挖钻机钻杆故障诊断方法

摘要：

为有效降低生产实践中旋挖钻机钻杆发生掉钻事故的概率,基于室内模型对不同钻杆状态和转速下的旋挖钻机钻杆振动情况进行试验,利用经验模态分解(EMD)原理完成了信号特征分解,并基于反向传播(BP)神经网络对故障进行诊断识别.结果表明:钻杆状态和转速对振动信号的EMD能量和EMD奇异值有较大影响,其中EMD能量主要集中在低阶次,EMD奇异值随阶次增加而逐渐减小.EMD奇异值大小排序为:正常状态>松动状态>破坏状态.基于EMD能量分布进行故障识别时,正常状态、松动状态和破坏状态的平均诊断识别正确率分别为97.2％、83.3％和83.3％.基于EMD奇异值分布进行故障识别时,正常状态、松动状态和破坏状态的平均诊断识别正确率分别为88.9％、86.1％和77.7％.基于EMD能量分布特征的故障诊断效果优于基于EMD奇异值分布特征的故障诊断效果,且对于钻杆松动状态的诊断识别效果优于破坏状态的诊断识别效果.

关键词：旋挖钻机、经验模态分解(EMD)能量、EMD奇异值、反向传播(BP)神经网络、故障诊断

所属期刊栏目：26

分类号：TU67(建筑施工机械和设备)

在线出版日期：2023-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：69-73