基于LMD的振動(dòng)信號(hào)處理及故障特征提取研究.pdf

1、旋轉(zhuǎn)機(jī)械設(shè)備在現(xiàn)代化工業(yè)生產(chǎn)中發(fā)揮著不可小覷的作用，其正常運(yùn)轉(zhuǎn)是安全生產(chǎn)的重要保障。運(yùn)用新興的信號(hào)處理與故障特征提取方法對(duì)旋轉(zhuǎn)機(jī)械進(jìn)行實(shí)時(shí)檢測(cè)與故障診斷，能在一定程度上保障機(jī)械設(shè)備系統(tǒng)安全高效的運(yùn)行。滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械設(shè)備的重要組成部分與典型代表，本文針對(duì)滾動(dòng)軸承故障振動(dòng)數(shù)據(jù)進(jìn)行信號(hào)處理、故障特征提取與初步診斷的研究。
　　實(shí)際采集到的振動(dòng)信號(hào)中不僅包含軸承振動(dòng)信號(hào)，而且還混入大量的噪聲信號(hào)，這將嚴(yán)重影響信號(hào)分解以及后續(xù)的故障特征

2、提取。因此，采用一定的方法進(jìn)行信號(hào)降噪預(yù)處理則顯得非常必要。本文以信噪比、最小均方根誤差作為降噪性能的判別依據(jù)，通過(guò)仿真實(shí)驗(yàn)確定了最適合本文振動(dòng)信號(hào)的小波函數(shù)、分解層數(shù)、閾值選擇規(guī)則以及閾值函數(shù)并將其用于振動(dòng)信號(hào)的降噪處理。鑒于LMD算法的自適應(yīng)信號(hào)分解等特點(diǎn)，將其用于降噪振動(dòng)信號(hào)分解得到乘積函數(shù)分量。通過(guò)分析故障振動(dòng)信號(hào)的特點(diǎn)，提出了采用能量熵、奇異值熵、峭度以及Lemple-Ziv復(fù)雜度算法，從乘積函數(shù)分量中提取出故障特征并用于初步