基于變分模態(tài)分解的滾動軸承故障檢測方法研究.pdf

1、滾動軸承作為旋轉(zhuǎn)機(jī)械設(shè)備的核心組成部件，其運(yùn)行狀況直接影響機(jī)械設(shè)備的運(yùn)行甚至是整個系統(tǒng)的穩(wěn)定。同時滾動軸承也是機(jī)械設(shè)備的重要故障源之一，設(shè)備的大多數(shù)故障都與軸承密切相關(guān)。在實際的應(yīng)用中由于軸承加工工藝、現(xiàn)場工作環(huán)境和人為操作等因素的影響會造成軸承的損壞，影響設(shè)備的正常運(yùn)行。因此軸承的故障診斷具有十分重要的實際意義。
　　本文主要研究了滾珠型軸承的故障診斷，從軸承振動信號的處理著手，主要研究內(nèi)容如下:
　　簡單地闡述了滾動軸承

2、故障診斷的意義和目的;系統(tǒng)地介紹了滾動軸承的種類、結(jié)構(gòu)、故障特征頻率和滾動軸承故障診斷的發(fā)展歷程等相關(guān)知識;對滾動軸承故障信號的特征提取和故障類型模式識別的研究現(xiàn)狀進(jìn)行簡單的介紹。
　　介紹了經(jīng)驗?zāi)B(tài)分解、集合經(jīng)驗?zāi)B(tài)分解和局部均值分解，針對以上分解方法存在的模態(tài)混疊的缺點(diǎn)，引入了基于蛙跳算法優(yōu)化的變分模態(tài)分解，有效地解決了模態(tài)混疊現(xiàn)象，同時還避免了分解參數(shù)選擇的人為客觀性。通過對仿真信號和實測信號進(jìn)行分解驗證了基于蛙跳算法優(yōu)化的

3、變分模態(tài)分解方法的可行性和有效性。
　　將初始故障信號經(jīng)過優(yōu)化參數(shù)的變分模態(tài)分解獲得一系列的模態(tài)函數(shù)，利用包絡(luò)相關(guān)譜系數(shù)選擇最優(yōu)的分量構(gòu)成矩陣形式，對矩陣進(jìn)行奇異值分解得到矩陣的奇異值，以奇異值作為故障信號的特征向量對故障類型進(jìn)行模式識別。
　　采用最小二乘支持向量機(jī)對故障類型進(jìn)行模式識別，并利用貝葉斯算法對最小二乘支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化。最后以實際故障類型模式識別驗證了基于貝葉斯優(yōu)化的最小二乘支持向量機(jī)在故障類型模式識別