采煤机主轴轴承寿命预测研究.pdf

分类号 TD421.5密级 ＵＤＣ 621编号 工程硕士学位论文 采煤机主轴轴承寿命预测研究 硕士研究生王连启 指导教师纪玉杰副教授 学科、专业机械工程 沈阳理工大学 2019 年 12 月 分类号TD421.5密级 ＵＤＣ621编号 工程硕士学位论文 采煤机主轴轴承寿命预测研究 硕士研究生王连启 指导教师纪玉杰副教授 学位级别工程硕士 学科、专业机械工程 所在单位机械工程学院 论文提交日期2019 年 12 月 3 日 论文答辩日期2020 年 3 月 15 日 学位授予单位沈阳理工大学 Classification Index TD421.5 U.D.C621 AThesis for the Master Degree of Science in Engineering Research on Life Prediction of Shearer Spindle Bearings CandidateWangLianqi SupervisorJiYujie Academic DegreeApplied for Master of Science in Engineering Speciality Mechanical Engineering Date of Submission December 3,2019 Date of ExaminationMarch 15,2020 University Shenyang Ligong University 沈阳理工大学 硕士学位论文原创性声明 本人郑重声明本论文的所有工作，是在导师的指导下，由作者本 人独立完成的。有关观点、方法、数据和文献的引用已在文中指出， 并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任 何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要 贡献的个人和集体，均己在文中以明确方式标明。本人完全意识到本 声明的法律结果由本人承担。 作者（签字） 日期年月日 学位论文版权使用授权书 本学位论文作者完全了解沈阳理工大学有关保留、使用学位论文 的规定，即沈阳理工大学有权保留并向国家有关部门或机构送交学 位论文的复印件和磁盘，允许论文被查阅和借阅。本人授权沈阳理工 大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可 以采用影印、缩印或其它复制手段保存、汇编学位论文。 （保密的学位论文在解密后适用本授权书） 学位论文作者签名指导教师签名 日期日期 摘要 目前国内外主要使用采煤机来开采煤矿，其中主轴轴承是采煤机的重要组成 部件，其疲劳寿命直接影响着采煤机的工作效率。因此，关于采煤机主轴轴承疲 劳寿命的研究具有重要的实际意义和理论价值。在以往的轴承疲劳寿命研究中， 大多数学者主要通过对轴承动力学仿真得到应力值来预测轴承的寿命，然而轴承 的工况参数作为影响采煤机主轴轴承寿命的重要因素之一，在预测轴承寿命时往 往容易被忽略，因此本文主要研究轴承不同工况参数对轴承应力的影响情况，并 将其应用于轴承的寿命预测中，从而更加高效的预测轴承的疲劳寿命。 本文以采煤机主轴轴承 NJ2232 为研究对象，主要研究工作为1 建立轴承 在不同工况参数下应力值的样本集。首先对采煤机主轴轴承进行受力分析，根据 Hertz 理论公式计算轴承接触应力的理论值，建立轴承三维模型，通过有限元分析 获得了轴承在不同工况下的应力情况值； 2 建立增加冲量项和自适应调节学习率 以及多层训练法确定网络结构的改进型 BP 神经网络数据挖掘模型， 并分析了采煤 机主轴轴承的不同工况参数影响轴承接触应力和疲劳寿命的重要度排序，为有效 提高轴承的疲劳寿命提供了理论依据；3根据疲劳损伤积累理论和疲劳寿命计算 对轴承进行疲劳寿命预测，考虑轴承的各工况因素对应力值的影响，分析结果更 加符合轴承的实际运行情况，从而提高了轴承寿命预测的准确性。本文研究的方 法可以为采煤机主轴轴承的工况参数选择与运行维护提供了技术支撑。 通过有限元分析获得的应力云图可以看出轴承各元件受到接触应力的差别， 与轴承的实际受力情况相符。通过数据挖掘分析表明，对接触应力的影响最大的 影响因素为载荷，其影响因子为 0.63，相对而言转速、润滑对其影响较小，影响 因子分别为 0.25、0.12。改进型 BP 神经网络算法分析轴承工况参数的影响更加符 合轴承实际运行工况，要比传统的控制变量法研究轴承工况参数得出的结论准确 性更高。应用名义应力法，根据主轴轴承的 S-N 曲线与 Miner 线性疲劳损伤累积 理论来预测轴承在不同工况下工作的疲劳寿命为 2.42 年（24 小时工作制） ，在充 分考虑了工况因素对接触应力影响的基础上预测轴承疲劳寿命为 2.15 年（24 小时 工作制） 。 沈阳理工大学硕士学位论文 关键词采煤机；轴承；接触应力；工况参数；改进型 BP 神经网络；数据挖掘 Abstract At present, shearer is mainly used to mine coal bothhere and abroad,the spindle bearing is an important component of the shearer, and its fatigue life directly affects the working efficiency of shearer.Therefore, the research on the fatigue life of the shearer spindle bearing has important practical significance and theoretical value. In the past study of bearing fatigue life, most scholars predict the bearing life mainly through the stress value obtained from bearing dynamics simulation,however, as one of the important factors affecting the life of the spindle bearing of the shearer, the working condition parameters of the bearing are often ignored in predicting the bearing life,therefore, this paper mainly studies the influence of different working condition parameters of the bearing on the bearing stress in order to predict the bearing fatigue life more efficiently, it is applied to the bearing life prediction. In this article,NJ2232 bearing of shearer spindle bearing is taken as the research object,the main research work is as follows 1 Establish the sample set of bearing stress value under different working conditions. Firstly, the force analysis of the shearer spindle bearing is carried out, the theoretical value of the bearing contact stress is calculated according to Hertzs theoretical ula, the three-dimensional model of the bearing is established, and the stress value of the bearing under different working conditions is obtained through the finite element analysis; 2An improved BP neural network data mining model is established to increase impulse term, self-adaptive learning rate and multi-layer training to determine the network structure,and the importance order of the different working condition parameters of the shearer spindle bearing affecting the bearing contact stress and fatigue life is analyzed, which provides a theoretical basis for effectively improving the fatigue life of the bearing; 3 According to the fatigue damage accumulation theory and fatigue life calculation, the bearing fatigue life is predicted,considering the influence of various working conditions of the bearing on the stress value, the analysis results are more consistent with the actual operation of the bearing, thus improving the accuracy of bearing life prediction. The studied in this article can provide technical support for the selection and operation of the working condition parameters of the shearer spindle bearings. According to the stress cloud diagram obtained by finite element analysis, it can be 沈阳理工大学硕士学位论文 seen that the bearing components are subjected to different contact stresses, which is consistent with the actual stress situation of the bearing. The data mining analysis shows that the biggest influence factor of contact stress is load, and its influence factor is 0.63, relatively speaking, speed and lubrication have little influence on it, and the influence factors are 0.25 and 0.12 respectively. The improved BP neural network algorithm analyzes the impact of bearing operating parametersis more suitable for the actual operating conditions of the bearing, it is more accurate than the traditional control variable to study the bearing working condition parameters.Applying the nominal stress ,according to the S-N curve of the main bearing and miners linear fatigue damage accumulation theory, the fatigue life of the bearing under different working conditions is predicted to be 2.42 years 24-hour working system. The fatigue life of the bearing is predicted to be 2.15 years 24-hour working system on the basis of fully considering the influence of working conditions on the contact stress. Key wordsCoal shearer; Bearing; Contact stress;Working condition parameters; Improved type BP neural network; Data mining 目录 第 1 章绪论................................................................................................................1 1.1 研究的目的和意义..........................................................................................1 1.2 国内外研究现状..............................................................................................2 1.2.1 轴承动力学特性与疲劳寿命的研究现状...........................................2 1.2.2 神经网络算法研究现状.......................................................................4 1.2.3 数据挖掘在机械领域应用的现状.......................................................5 1.3 本文研究的主要内容......................................................................................7 1.4 本章小结..........................................................................................................9 第 2 章采煤机主要结构及其主轴轴承的理论计算..............................................10 2.1 采煤机主轴结构分析....................................................................................10 2.2 采煤机主轴轴承的理论计算........................................................................11 2.2.1 轴承的受力分析.................................................................................11 2.2.2 轴承的接触应力计算.........................................................................15 2.3 本章小结........................................................................................................16 第 3 章采煤机主轴轴承的有限元分析..................................................................17 3.1 采煤机主轴轴承有限元法分析过程............................................................17 3.2 采煤机主轴轴承有限元分析........................................................................18 3.2.1 轴承三维模型的建立.........................................................................18 3.2.2 轴承材料属性与接触条件设置.........................................................19 3.2.3 轴承的网格划分.................................................................................20 3.2.4 轴承分析步和施加约束载荷.............................................................21 3.3 轴承有限元计算结果及分析.......................................................................22 3.4 本章小结........................................................................................................23 第 4 章建立改进型 BP 神经网络主轴轴承工况参数的数据挖掘模型................25 4.1 神经网络算法种类及其优缺点....................................................................25 4.2 建立改进型 BP 神经网络轴承工况参数数据挖掘模型的策略..................26 4.2.1 改进型 BP 神经网络学习算法..........................................................26 沈阳理工大学硕士学位论文 4.2.2 轴承工况参数数据挖掘模型的改进方法.........................................27 4.3 建立轴承工况参数数据挖掘模型流程与模型的学习规则........................29 4.3.1 建立轴承工况参数数据挖掘模型的流程.........................................29 4.3.2 改进型 BP 神经网络数据挖掘模型的学习规则..............................30 4.4 建立改进型 BP 神经网络主轴轴承工况参数的数据挖掘模型.................32 4.4.1 轴承工况参数数据挖掘模型的预测误差计算.................................34 4.4.2 轴承工况参数数据挖掘模型的权值调整.........................................35 4.5 本章小结........................................................................................................37 第 5 章基于改进型 BP 神经网络轴承工况参数的数据挖掘研究........................38 5.1 数据挖掘理论与技术....................................................................................38 5.1.1 数据挖掘概述.....................................................................................38 5.1.2 数据挖掘的处理过程.........................................................................39 5.2 轴承工况参数的数据挖掘研究....................................................................39 5.2.1 轴承工况参数的数据挖掘过程.........................................................39 5.2.2 数据挖掘模型的精度验证.................................................................41 5.3 结果分析........................................................................................................43 5.3.1 基于改进型 BP 神经网络轴承应力预测结果分析..........................43 5.3.2 基于改进型 BP 神经网络轴承工况参数影响权重分析..................45 5.4 本章小结........................................................................................................46 第 6 章采煤机主轴轴承疲劳寿命预测..................................................................48 6.1 轴承疲劳寿命预测的理论............................................................................48 6.1.1 轴承疲劳寿命预测的方法.................................................................48 6.1.2 轴承的疲劳失效形式.........................................................................49 6.1.3 影响轴承疲劳寿命的因素.................................................................50 6.2 采煤机主轴轴承疲劳寿命的预测................................................................52 6.2.1 名义应力的求解.................................................................................52 6.2.2 平均应力修正.....................................................................................52 6.2.3 轴承的 S-N 曲线................................................................................53 6.3 采煤机主轴轴承疲劳寿命预测结果...........................................................54 目录 6.4 本章小结........................................................................................................56 结论......................................................................................................................58 参考文献......................................................................................................................60 攻读硕士学位期间发表的论文和获得的科学成果..................................................66 致谢......................................................................................................................67 - 1 - 第 1 章绪论 1.1 研究的目的和意义 目前国内外主要依靠采煤机开采煤矿，采煤机在恶劣的条件下工作，一旦出 现问题不仅影响煤矿的正常开采，还因其复杂的构造给检修带来不便。主轴轴承 是采煤机重要的基础部件，也是容易损坏的零部件。采煤机主轴轴承出现故障， 则严重影响了煤矿企业的生产。近年来在煤矿生产中，由于轴承损坏导致采煤机 出现系统故障的情况时常发生，甚至由于轴承的失效迫使采煤机检修，给煤矿的 正常生产带来许多麻烦。轴承的承载能力、疲劳寿命及其运行状态不仅直接影响 着与其配套的采煤机工作效率，还在安全生产领域起着至关重要的作用。在开采 煤矿过程中，因轴承的失效而发生事故造成的损失也往往是巨大的，能够有效地 避免和预防轴承发生故障，提高轴承运行的安全性、一直以来都是大家想解决的 问题。在轴承的工作中，为避免发生安全事故，通常会在轴承存在安全隐患或发 生故障时进行及时的修理，但是如果分析人员没有足够了解情况，则极易忽略重 要的影响因素。此外，由于分析人员的经验能力存在一定的差异，其所获取的结 论也各不相同，对应的可信度也高低不同。同时，由于传统的定时维修造成了过 度维修，给维修人员带来不便。如果能预测轴承的使用寿命，可以及时的对轴承 进行检修及替换，从而避免发生事故，为煤矿发展提供有效的推动力，因此，研 究采煤机主轴轴承的寿命预测十分有意义。 本文研究的目的是通过预测来掌握轴承的疲劳寿命，保证设备正常运行，合 理的制定检修计划，避免不必要的浪费。本论文是神经网络算法在煤矿生产领域 的又一次新的尝试与应用，在结合神经网络算法分析工况参数的过程中，考虑了 载荷、转速、润滑这三方面因素对轴承接触应力的影响，建立了工况参数和应力 值之间的预测模型。 为了提升预测效果， 利用改进型 BP 神经网络进行了参数调优， 引入了动量因子，模型训练过程中自适应改变学习率，使最终的预测结果更加准 确。轴承在实际工作中，由于受许多因素的影响，损坏程度和寿命问题变得非常 复杂，通过数据挖掘分析轴承工况参数对轴承接触应力的影响可以方便有效地分 析轴承工作状态，因此本文尝试把神经网络算法引入到轴承工况参数的数据挖掘 中来准确的预测出工况参数与应力的关联，旨在找到轴承在实际工作中影响轴承 沈阳理工大学硕士学位论文 - 2 - 损坏程度和寿命的主要工况参数，本文所采用的方法比传统的控制变量法研究轴 承工况参数的影响更加符合轴承实际运行工况，得出的结论准确性更高，为设计 人员选取工况参数提供了参考依据，在综合考虑了载荷、转速、润滑等工况参数 对轴承应力的影响后，对轴承进行疲劳寿命预测，从而有效提高了轴承疲劳寿命 预测的准确性。 1.2 国内外研究现状 1.2.1 轴承动力学特性与疲劳寿命的研究现状 1947 年，Lundberg 等人得出了滚动轴承的载荷与寿命的计算公式[1] n c L p      （1-1） 式中，c轴承额定动负荷； p当量动负荷； 寿命指数； n L轴承额定寿命。 现在大多都是以这一公式来计算轴承的额定寿命，但是没有把轴承的运行状 态、润滑条件等实际情况反映到寿命公式当中，因此它不能表明轴承的实际寿命。 除此之外， Jones 建立了滚动轴承动力学模型，Gupta 对轴承动力学计算模型进行 了改进[2]， Tandon 建立了故障轴承的动力学模型， Maamari 等人对静压轴承的稳定 性与动力学特性进行了研究[3]。Alfares Mohammed 等人研究了热变化对主轴轴承 系统动力学影响程度[4]。Ding 等人建立了带有轴承座的轴承动力学模型[5]。 以上参考文献都是在建立轴承模型的基础上进行动力学分析的，还有对轴承 运行状态和振动性能进行研究的。Harris 分析了滚动轴承高速运转中打滑现象[6]。 Walters 采用 Runge-Kutta 理论方法得到轴承的运动状态规律[7]，Jacobs 等人研究了 测量滚动轴承运动参数的方法。Howard 等研究人员通过轴承的振动信号对轴承进 行故障分析[8]。此外还有众多科研人员对轴承的疲劳寿命进行了大量研究，通过分 析影响轴承寿命的因素来延长轴承的寿命。Fred 等人分析了温度与轴承疲劳寿命 的关系，Gunduz 研究了轴承的配合间隙对轴承疲劳寿命的影响。Vrbka 等人研究 了通过选择合适的表面粗糙度可以提高滚动轴承疲劳寿命。Ricci 等人研究了预紧 第 1 章绪论 - 3 - 力对轴承疲劳寿命的影响。 Zaretsky 分析了不同的轴承材料与其寿命的关系。 Kania 与 Lampaert 等人分别研究了轴承的接触应力与接触刚度，Kania 研究了轴承的内 部结构与接触应力的关系，企图改变轴承的结构来减小接触应力。SGE Lampaert 提出了一种对静压轴承的承载能力和正常刚度特性进行建模的方法[9]， 为轴承的发 展做出了贡献。 国内对轴承的研究也取得了丰硕的成果，郝烨江等人建立了列车轴承有限元 动力学模型[10]，高庆水等人应用 Fluent 软件对滑动轴承承受的压力进行了仿真分 析。罗祝三用动力学方法分析了轴承的运动特性，周琴等研究人员通过有限元仿 真分析了深沟球轴承接触特性[11]。樊莉建立了深沟球轴承有限元模型分析了轴承 的接触应力，谢俊杰等人建立了轴承接触疲劳裂纹扩展有限元模型[12]。张根源通过 ADAMS 建立轴承多体动力学模型， 陈建平等人对飞轮轴承的动力学特性进行了分 析[13]。唐云冰等研究了轴承承受联合载荷时的轴承动力学特性，杨研蒙等为了精 确模拟旋转机构轴承的运行，专门研究了旋转机构轴承的动力学建模方法[14]。李 媛媛设计出了轴承动力学分析的 VB 语言程序， 伍黎等人建立在保持架的碰撞作用 下的圆锥滚子轴承动力学有限元模型[15]，周延泽对轴承保持架进行了专门研究， 张成铁分析了滚子与保持架产生打滑现象的原因，史修江对航空发动机主轴轴承 受力情况进行了研究[16]。 以上文献大多集中对轴承的模拟仿真，分析轴承的动力学特性，但是在此基 础上对轴承寿命预测的研究还有所欠缺。卢黎明教授对滚滑轴承的结构及可靠性 进行了研究，汪洪根据轴承结构参数以及工况参数分析了轴承疲劳寿命。张利分 析了不同工况下轴承的接触应力变化情况[17]，缪莹赟研究了不同工况的轴承运动 状态，邵钢分析了结构和工况参数对滑动轴承润滑性能的影响[18]，张娟等人对不 同工况下风机主轴轴承动力学特性进行了研究 [19]。以上科研人员主要对轴承的结 构以及工况参数进行了分析并取得了研究成果。魏彬分析了曲率半径对轴承振动 频率的影响，冯吉路等人研究了轴承的结构参数与轴承的灵敏度 [20]，熊万里对轴 承温度场分布进行了研究[21]，金燕等人对热机耦合下角接触球轴承疲劳寿命预测 进行了研究。李云峰和吴云鹏等人综合考虑了轴承实际工作的环境等因素，对轴 承的研发和制造过程进行了研究。王旭等人分析了轴承的表面质量对轴承的精度 和性能的影响[22]。 沈阳理工大学硕士学位论文 - 4 - 在以上关于研究轴承的国内外参考文献中，众多研究人员都是通过建立轴承 有限元模型分析轴承的应力值来预测轴承寿命的，此方法忽略了一些外界因素对 轴承寿命的影响，预测的寿命与轴承实际寿命存在一些差异。尽管还有许多学者 专门研究影响轴承疲劳寿命因素的，以及分析轴承工况参数和结构参数对应力与 寿命的影响，但是大多都是通过传统的控制变量法或分别对单一工况参数进行了 研究，很少综合考虑轴承的不同工况参数对轴承寿命的影响，轴承在不同工况下 工作时的损伤程度不相同，须全面了解其工况参数对寿命的影响，方可保证轴承 寿命预测的准确性。因此，本文将模拟得到轴承在不同工况下工作的应力情况， 在此基础上预测轴承的疲劳寿命，为其在工程上的应用提供理论参考。 1.2.2 神经网络算法研究现状 近年来，神经网络因其强大的学习认知功能成为了研究热点。神经网络可以 很好的对信息和知识进行归纳总结、类比概括来解决问题因而受到许多人的青睐。 早在 1890 年心理学家 W.James 对大脑内部结构进行了分析，为神经网络算法做了 开创性研究[23]。1943 年，W.S.McCulloch 和 WAPitts 用数学模型描绘了神经网络算 法。1949 年，DonalaO 建立了权值的训练算法。1958 年 Frank Rosenblatt 模拟出来 三层结构的神经网络。1960 年，Bernard Widrow 等人提出了自适应线性单元组合 网络。1967 年波士顿大学 S.Drossberg 提出来雪崩网络用于连续语音识别，机器人 运动指令。1974 年 P.Werbos 首先提出了 BP 神经网络思想，并没有得到广泛关注， 直到 1986 年 Rumelhart 和