基于VMD的滾動軸承故障診斷研究.pdf

1、隨著中國工業(yè)化進程不斷推進，不斷有生產機器開始進入老化期，在將來會達到一個龐大的數(shù)量。滾動軸承是旋轉機械重要零部件之一，也是占比最大的故障源之一。因此，開展?jié)L動軸承故障診斷研究具有重要的現(xiàn)實意義和經濟意義。模態(tài)提取是滾動軸承故障診斷的關鍵，尤其是對滾動軸承故障特征的提取。滾動軸承振動信號屬于典型的非線性信號，特征提取的質量直接影響故障診斷結果。針對故障特征提取與識別問題，研究內容如下:
　　(1)通過介紹變分模態(tài)分解方法(Vari

2、ational Mode Decomposition，VMD)中的本征模態(tài)函數(shù)、維納濾波和解析信號的基本概念，敘述了如何構造變分模態(tài)分解方法中的信號約束問題，并隨后介紹了如何使用變分模態(tài)分解方法如何求解約束問題。為了驗證變分模態(tài)分解方法的優(yōu)越性，分別用變分模態(tài)分解方法和經驗模態(tài)分解方法對噪聲干擾信號和脈沖干擾信號進行分解。結果表明，變分模態(tài)方法在噪聲魯棒性和脈沖干擾性上具有明顯優(yōu)勢。
　　(2)使用基于峭度準則VMD及平穩(wěn)小波的軸

3、承故障診斷方法，提取強噪聲背景下的滾動軸承故障特征。首先使用變分模態(tài)分解對同一負荷下的故障信號進行預處理，再通過峭度準則篩選出最佳和次佳信號分量進行重構并使用平穩(wěn)小波進行去噪處理，最后分析信號的包絡譜來對軸承的故障類型進行判斷。通過對仿真滾動軸承內圈故障信號進行分析，該方法可成功提取出微弱特征頻率信息，噪聲抑制效果優(yōu)于EMD(EmpiricalMode Decomposition，EMD)。由此表明，基于峭度準則VMD及平穩(wěn)小波的軸承故

4、障診斷可有效提取強聲背景下的滾動軸承早期故障信息，具有一定的可靠性和應用價值。
　　(3)使用基于VMD瞬時能量法及MPSO-SVM的軸承故障診斷方法，實現(xiàn)軸承振動故障的較精確診斷。首先使用變分模態(tài)分解方法分解軸承振動信號，再根據VMD分量特性篩選出包含主要故障信息的分量進行瞬時能量特性計算并構建故障特征向量，最后將其輸入變異粒子群算法(Mutation Particle Swarm Optimization，MPSO)優(yōu)化后的支