滾動軸承表面損傷故障的特征提取與診斷方法研究.pdf

1、滾動軸承作為機械設(shè)備中常用、關(guān)鍵的零部件，其工作狀態(tài)是否正常，直接影響到整臺設(shè)備乃至整個生產(chǎn)線的產(chǎn)品質(zhì)量和安全。對其進行故障診斷和監(jiān)測，是國內(nèi)外學(xué)者在工程技術(shù)領(lǐng)域的研究開發(fā)熱點。利用滾動軸承及其部件的振動信號對其工作狀態(tài)進行分析，是目前旋轉(zhuǎn)機械故障監(jiān)測與診斷研究中最常用的方法。
　　 鑒于振動信號的降噪對有效揭示故障信息非常重要，本文研究了基于平穩(wěn)小波的新閾值消噪方法。在機械設(shè)備的故障診斷與監(jiān)測過程中，故障特征提取和故障模式識別

2、是兩個關(guān)鍵?；诖?，探討了基于圖像技術(shù)的故障特征提取方法，和基于參數(shù)最優(yōu)Morlet小波的故障特征提取方法。研究了LSSVM和FCM等模式識別方法在滾動軸承故障模式診斷中的應(yīng)用和優(yōu)化。主要研究工作如下：
　　 (1)在信號降噪方面，分析了常用的小波去噪方法，在此基礎(chǔ)上提出了一種基于平穩(wěn)小波變換的新閾值消噪方法。閾值大小依據(jù)了沖擊型的故障信號和噪聲的小波系數(shù)在不同尺度上的特性。在綜合了軟、硬閾值函數(shù)的優(yōu)點的基礎(chǔ)上提出了一種新的參數(shù)

3、可調(diào)閾值函數(shù)。與常用小波去噪方法進行了對比分析，結(jié)果表明該方法有效的提取信號中沖擊成分，為正確識別故障特征提供了有力的保證。
　　 (2)在基于圖像技術(shù)的故障特征提取方面，介紹了希爾伯特包絡(luò)和雙譜概念，由此引入振動信號的包絡(luò)雙譜圖，提出了利用雙譜灰度圖矩統(tǒng)計量來表征軸承運行狀態(tài)。對矩特征統(tǒng)計量進行主成分分析而得到4個主成分特征，將其作為故障模式識別的輸入向量。對比分析了其它圖像特征提取技術(shù)，實驗表明，基于矩特征的滾動軸承狀態(tài)模式

4、識別準(zhǔn)確率更高一些。
　　 (3)分析了Morlet小波參數(shù)對時頻分析的影響，針對軸承等機械故障振動信號波形為沖擊衰減這一特點，提出一種基于參數(shù)最優(yōu)Morlet小波的故障特征提取方法。為達(dá)到小波分析與沖擊特征成分的最佳匹配，將小波系數(shù)的峭度和最大值之積作為目標(biāo)函數(shù)，運用模擬退火算法優(yōu)化Morlet小波的兩個形狀參數(shù)：帶寬和中心頻率。將振動信號通過由Morlet小波確定的帶通濾波器，提取包絡(luò)功率譜作為故障特征，通過仿真實驗和實際故

5、障信號對該方法進行了驗證。
　　 (4)在故障模式識別方面，針對工程實際中難以獲得大量典型故障樣本的情況，將LSSVM方法引入軸承的智能故障診斷中。將特征優(yōu)選和SVM參數(shù)優(yōu)選同步進行，在得到較優(yōu)的λ、σ參數(shù)的同時進行特征選擇以獲取顯著特征子集。將4種運行狀態(tài)、5種轉(zhuǎn)速、2類載荷條件下測得的滾動軸承振動信號作為研究樣本，對識別準(zhǔn)確率進行了驗證。
　　 (5)本文提出一種基于類可分性測量的加權(quán)FCM算法，根據(jù)類可分性測量指標(biāo)