基于自適應(yīng)隨機(jī)共振的滾動(dòng)軸承故障診斷方法研究.pdf

1、研究滾動(dòng)軸承故障診斷方法可以防止嚴(yán)重的機(jī)械設(shè)備損壞，確保設(shè)備的長期安全運(yùn)行。意外的機(jī)械故障事故將會(huì)導(dǎo)致機(jī)體損壞和經(jīng)濟(jì)損失。典型的軸承故障診斷處理流程如下:1）從故障軸承中采集振動(dòng)信號;2）利用包絡(luò)解調(diào)和頻率分析方法獲得包絡(luò)譜;3）最終確定存在的故障類型。但是，在提取特征頻率的過程中，我們時(shí)常受到環(huán)境噪聲的干擾，這對不利于軸承的診斷和機(jī)械的維護(hù)。
　　本文研究一種自適應(yīng)隨機(jī)共振方法，及其在滾動(dòng)軸承故障診斷中的應(yīng)用。結(jié)合隨機(jī)共振增強(qiáng)微

2、弱信號的特性，本文采用一種欠阻尼變步長二階隨機(jī)共振(Under-damped Step-variable Second-order Stochastic Resonance,USS SR)方法，該方法特有的二次濾波效果可以有效地增強(qiáng)微弱信號并提高含噪信號的信噪比(Signal-to-noise Ratio，SNR)。隨機(jī)共振是一個(gè)參數(shù)濾波器，存在一個(gè)或者多個(gè)參數(shù)需要調(diào)節(jié)，因此，輸出信號的質(zhì)量依賴于輸入系統(tǒng)參數(shù)的好壞。調(diào)節(jié)參數(shù)得到最優(yōu)的輸

3、出結(jié)果這一過程中需要一個(gè)指標(biāo)，而在隨機(jī)共振中最常用的參數(shù)調(diào)優(yōu)指標(biāo)是SNR。然而，當(dāng)目標(biāo)故障頻率不能準(zhǔn)確估計(jì)時(shí)，無法使用SNR指標(biāo)定量地評價(jià)隨機(jī)共振去噪效果。為了解決這一問題，本文采用功率譜峭度、相關(guān)系數(shù)、峰值信噪比、結(jié)構(gòu)相似性、均方根誤差和平滑度這六個(gè)不同的去噪評價(jià)指標(biāo)對隨機(jī)共振輸出進(jìn)行定量分析。之后，這六個(gè)定量指標(biāo)通過BP神經(jīng)網(wǎng)絡(luò)被融合成一個(gè)新的綜合定量指標(biāo)(Synthetic Quantitative Index，SQI)，使用所提

4、出的指標(biāo)引導(dǎo)隨機(jī)共振進(jìn)行自適應(yīng)參數(shù)選擇。該指標(biāo)在融合過程中降低了各個(gè)原指標(biāo)的不穩(wěn)定性，提高了參數(shù)調(diào)整的魯棒性。同時(shí)，使用遺傳算法(Genetic Algorithm，GA)幫助系統(tǒng)快速尋優(yōu)，進(jìn)一步縮短了診斷所需時(shí)間。
　　綜上所述，本文研究了基于SQI的自適應(yīng)隨機(jī)共振方法及其在滾動(dòng)軸承故障診斷中的應(yīng)用。以上的研究都建立在仿真和實(shí)驗(yàn)驗(yàn)證的基礎(chǔ)之上，本文所提出的方法與傳統(tǒng)方法進(jìn)行對比，具有準(zhǔn)確率高、耗時(shí)少、便于實(shí)現(xiàn)等優(yōu)點(diǎn)。同時(shí)，進(jìn)一步