滾動(dòng)軸承故障特征提取與診斷方法研究.pdf

1、隨著科學(xué)技術(shù)的迅猛發(fā)展和現(xiàn)代化大生產(chǎn)的日益普及，旋轉(zhuǎn)機(jī)械不斷朝著大型化、復(fù)雜化、高速化和自動(dòng)化方向發(fā)展，這對設(shè)備的運(yùn)行安全提出了更高的要求。滾動(dòng)軸承作為旋轉(zhuǎn)機(jī)械中應(yīng)用最為廣泛的部件之一，直接決定著整個(gè)機(jī)械系統(tǒng)能否正?？煽窟\(yùn)行，深入開展?jié)L動(dòng)軸承故障診斷和狀態(tài)檢測技術(shù)的研究，對有效避免生產(chǎn)中重大事故的發(fā)生，具有重要的學(xué)術(shù)意義和工程應(yīng)用價(jià)值。
　　本文在詳細(xì)論述滾動(dòng)軸承故障信號降噪、特征提取、復(fù)合與智能故障診斷研究現(xiàn)狀的基礎(chǔ)上，從振動(dòng)信

2、號分析與處理方法著手，針對滾動(dòng)軸承故障特征提取與診斷中所涉及的幾個(gè)關(guān)鍵問題進(jìn)行了深入研究，在滾動(dòng)軸承故障特征提取、微弱故障診斷、復(fù)合故障特征分離、故障模式智能識別和運(yùn)行狀態(tài)檢測方面取得了一些研究成果，論文的創(chuàng)新點(diǎn)及主要工作如下:
　　(1)傳感器采集的滾動(dòng)軸承故障振動(dòng)信號頻率成分比較復(fù)雜，在無關(guān)頻率成分及噪聲的干擾下，軸承故障特征常常難以準(zhǔn)確提取。針對此問題，本文基于倒譜預(yù)白化和奇異值分解重構(gòu)提出了一種故障特征提取方法。該方法通過

3、倒譜預(yù)白化處理軸承故障信號，消除了信號中離散頻率成分和諧波分量的干擾;然后進(jìn)行奇異值分解，并基于奇異值最大差分譜重構(gòu)信號，有效濾除了信號中的干擾噪聲。實(shí)驗(yàn)證明，該方法能準(zhǔn)確提取滾動(dòng)軸承的故障特征。
　　(2)在惡劣的工作環(huán)境下，滾動(dòng)軸承振動(dòng)信號中?；祀s有強(qiáng)烈的背景噪聲，尤其是故障特征較為微弱時(shí)，極易被噪聲所掩蓋，軸承故障難以診斷。因此，本文基于自適應(yīng)多尺度自互補(bǔ)Top-Hat變換提出了一種軸承微弱故障診斷方法。形態(tài)學(xué)自互補(bǔ)Top-

4、Hat變換濾波器處理軸承故障信號時(shí)，能夠抑制信號中的強(qiáng)背景噪聲，并有效增強(qiáng)軸承的故障沖擊特征。同時(shí)，為達(dá)到兼顧抗噪性和信號細(xì)節(jié)保持性的目的，構(gòu)建了多尺度形態(tài)學(xué)濾波器，通過比較不同尺度下濾波信號的故障特征能量比，自適應(yīng)確定了最優(yōu)結(jié)構(gòu)元素的尺度。
　　(3)滾動(dòng)軸承出現(xiàn)復(fù)合故障時(shí)，在單通道振動(dòng)信號中軸承不同元件的故障特征彼此混雜，難以分離。為解決此間題，本文基于改進(jìn)諧波小波包分解提出了一種軸承復(fù)合故障特征分離方法。該方法可以根據(jù)需要對

5、信號頻帶進(jìn)行任意劃分，克服了傳統(tǒng)諧波小波包分解后子信號個(gè)數(shù)及帶寬范圍受二進(jìn)制劃分的缺陷，通過計(jì)算子信號中各單一故障信號的權(quán)重因子，重構(gòu)分離出軸承各單一故障信號，有效實(shí)現(xiàn)了滾動(dòng)軸承復(fù)合故障特征的分離。
　　(4)針對以故障模式識別與運(yùn)行狀態(tài)檢測為主要內(nèi)容的滾動(dòng)軸承智能診斷問題，本文采用Hermitian小波對軸承信號進(jìn)行連續(xù)小波變換，再結(jié)合樣本熵理論，提出以時(shí)間-小波能量譜樣本熵作為特征參數(shù)，對軸承智能診斷進(jìn)行研究。該方法將時(shí)間-小