基于相空間重構(gòu)理論的滾動(dòng)軸承故障診斷研究.pdf

1、滾動(dòng)軸承是各種旋轉(zhuǎn)機(jī)械中應(yīng)用最廣泛的一種通用機(jī)械部件,它的運(yùn)行狀態(tài)是否正常往往影響整臺(tái)機(jī)器的性能。因此,對(duì)滾動(dòng)軸承進(jìn)行故障診斷具有重要的意義。滾動(dòng)軸承的故障診斷一般是對(duì)非線性時(shí)間序列表示的信號(hào)進(jìn)行分析,比如特征提取、狀態(tài)識(shí)別。主要研究?jī)?nèi)容如下:
　　(1)滾動(dòng)軸承信號(hào)往往含有噪聲,為了降低噪聲對(duì)特征提取的影響,因此有必要在特征提取之前對(duì)信號(hào)作降噪處理。本文提出了基于相空間重構(gòu)技術(shù)的主分量分析降噪算法,并用仿真信號(hào)和滾動(dòng)軸承故障實(shí)驗(yàn)

2、數(shù)據(jù)證明了該方法在降噪方面的有效性。
　　(2)研究了形態(tài)濾波與基于相空間重構(gòu)技術(shù)的主分量分析降噪算法相結(jié)合的特征提取算法。信號(hào)經(jīng)基于相空間重構(gòu)的主分量分析降噪方法降噪之后,再用形態(tài)濾波進(jìn)行特征提取。仿真研究與滾動(dòng)軸承故障內(nèi)圈和外圈實(shí)驗(yàn)數(shù)據(jù)的實(shí)例分析,證明了該方法的有效性。
　　(3)研究了局部均值分解(LMD)與基于相空間重構(gòu)技術(shù)的主分量分析降噪算法相結(jié)合的特征提取算法。信號(hào)基于相空間重構(gòu)的主分量分析降噪方法降噪之后,再用

3、LMD對(duì)其進(jìn)行分解,選取能量最高的PF1進(jìn)行包絡(luò)譜分析。通過仿真試驗(yàn)和滾動(dòng)軸承故障實(shí)驗(yàn),結(jié)果表明該方法能夠有效地提取出信號(hào)的故障特征。
　　(4)研究了多尺度排列熵與支持向量機(jī)結(jié)合的滾動(dòng)軸承狀態(tài)識(shí)別算法。通過計(jì)算各個(gè)尺度下滾動(dòng)軸承四種狀態(tài)信號(hào)的排列熵值,選擇合適的尺度來構(gòu)建特征向量,選取一定數(shù)量的特征向量樣本并運(yùn)用支持向量機(jī)分類器來對(duì)其進(jìn)行分類,結(jié)果表明該方法對(duì)滾動(dòng)軸承的正常、內(nèi)圈故障、外圈故障、滾動(dòng)體故障這四種狀態(tài)具有很高的識(shí)別