基于形態(tài)濾波及局部切空間排列算法的滾動軸承微弱故障分類.pdf

1、滾動軸承是一種使用在旋轉(zhuǎn)機械設備中，并且最為常見的零部件，擔負著極其重要的角色，但與此同時，其故障發(fā)生的頻率也較高。滾動軸承的健康狀況影響著整個機械系統(tǒng)的工作狀態(tài)，當滾動軸承存在故障時，不僅會影響到設備的正常使用，還會使得企業(yè)正常的生產(chǎn)過程難以實現(xiàn)，如若故障發(fā)現(xiàn)不及時，嚴重情況下還能引發(fā)生產(chǎn)事故，導致廣大人民群眾巨大的財物及人身損失。因而，滾動軸承故障診斷的研究有著非常重要的意義。
　　振動是軸承運行時不可避免的現(xiàn)象，當其內(nèi)、外圈

2、以及滾動體上產(chǎn)生故障時，其振動往往更為強烈，將會出現(xiàn)周期性的沖擊信號，從而導致調(diào)制信號的產(chǎn)生，不同的故障呈現(xiàn)不同的故障頻率。因此該領域當前的研究重點之一是如何有效地獲取故障信號特征。
　　軸承實際工作過程中，由于隨機噪聲、振動傳遞路徑等因素的影響，產(chǎn)生的振動信號是非線性的，導致傳統(tǒng)的傅氏變換、小波變換等線性方法難以準確提取出故障信號的特征。本文簡要介紹了幾種時域、頻域及時頻域方法，重點闡述了數(shù)學形態(tài)學在處理非線性振動信號時的應用方

3、法及其優(yōu)缺點。同時，針對滾動軸承發(fā)生微弱故障時，振動信號具有高噪聲，低信噪比的特點，進一步說明了流形學習在進行故障分類時的如何應用，并對全局與局部流形學習方法進行了比較。
　　本文采用實驗獲取數(shù)據(jù)并對理論進行驗證。該實驗分別采集了滾動軸承內(nèi)圈、外圈及滾動體各部位產(chǎn)生直徑為0.1778mm，0.3556mm，0.5334mm，0.7112mm的點蝕故障時的振動信號，然后借助MATLAB軟件編程，對實驗所得數(shù)據(jù)進行處理。
　　在