基于經(jīng)驗模態(tài)分解的滾動軸承故障診斷方法研究.pdf

1、滾動軸承是旋轉機械中應用最廣泛的關鍵零部件之一.軸承的工作狀態(tài)直接影響到整臺設備的運行狀態(tài),其缺陷會導致設備產(chǎn)生異常振動和噪聲,甚至造成設備損壞和人員傷亡.因此,對滾動軸承故障的故障診斷技術進行研究具有十分重要的意義. 經(jīng)驗模態(tài)分解(Empirical Mode:Decomposition,EMD)方法,被認為是近年來對以傅立葉變換為基礎的線性和穩(wěn)態(tài)譜分析的一個重大突破.本文將其引入到滾動軸承故障信號的處理中,并結合AR模型、支

2、持向量機等對滾動軸承的故障診斷方法進行了研究.主要研究了以下幾個方面的內(nèi)容: 總結了滾動軸承的幾種主要的失效形式及其成因,系統(tǒng)地研究了滾動軸承的振動類型及振動機理,闡述了滾動軸承振動信號特征的常規(guī)提取方法,并對滾動軸承典型故障振動信號的特征進行了分析. 將經(jīng)驗模態(tài)分解(EMD)引入到滾動軸承的振動信號特征提取中,結合現(xiàn)代譜估計方法對滾動軸承進行故障診斷,并通過對實際故障信號進行分析,驗證了基于EMD和AR.模型的滾動軸承

3、故障診斷方法的有效性. 針對工程實際中廣泛存在的樣本不足的問題,將專門解決小樣本問題的支持向量機引入到滾動軸承的故障診斷中,提出了一種基于EMD和AR模型的滾動軸承故障SVM識別方法.通過實例應用分別實現(xiàn)了滾動軸承有、無故障的二分類識別和滾動軸承正常狀態(tài)、內(nèi)圈故障、外圈故障的多類故障識別.為滾動軸承的故障診斷提供了一種可靠有效的方法. 基于Windows平臺,結合Matlab、Matcom和Visual C++,采用混合