基于RSSD和小波變換的滾動(dòng)軸承故障診斷方法研究.pdf

1、滾動(dòng)軸承是機(jī)器中應(yīng)用最廣泛的標(biāo)準(zhǔn)零件之一，也是容易出現(xiàn)失效的元件之一。滾動(dòng)軸承工作的穩(wěn)定性對(duì)設(shè)備的工作狀態(tài)有較大的影響，其故障缺陷會(huì)造成機(jī)器產(chǎn)生不同程度的振動(dòng)和噪聲，甚至導(dǎo)致設(shè)備損壞。為確保設(shè)備工作性能，對(duì)滾動(dòng)軸承進(jìn)行狀態(tài)監(jiān)測及振動(dòng)分析技術(shù)已逐漸應(yīng)用于各類精密機(jī)械裝備。但軸承產(chǎn)生失效的原因復(fù)雜，早期故障信號(hào)能量微弱，振動(dòng)噪聲明顯，因此對(duì)故障特征提取技術(shù)的研究一直是滾動(dòng)軸承故障診斷的關(guān)鍵。
　　故障診斷的前提是針對(duì)故障機(jī)理的研究，本

2、文首先研究分析了滾動(dòng)軸承故障沖擊的物理模型與振動(dòng)機(jī)理，結(jié)合滾動(dòng)軸承工作的實(shí)際狀況，指出滾動(dòng)軸承故障的組成成分及其特性。針對(duì)滾動(dòng)軸承故障振動(dòng)信號(hào)呈現(xiàn)出非線性、非平穩(wěn)性及噪聲背景較強(qiáng)等特點(diǎn)，為了有效提取故障特征，本文提出了一種共振稀疏分解（Resonance-based sparse signal decomposition，RSSD）與小波變換相結(jié)合的振動(dòng)信號(hào)特征提取技術(shù)。其中，共振稀疏分解是基于品質(zhì)因子可調(diào)小波變換與形態(tài)分量分析的一種新

3、的信號(hào)分解方法，與常規(guī)的基于頻帶劃分的信號(hào)分解方法不同，它依據(jù)信號(hào)各分量的振蕩形態(tài)不同對(duì)信號(hào)進(jìn)行分解。
　　本文介紹了共振稀疏分解的基本思想，闡述了分解中不同參數(shù)對(duì)于分解結(jié)果的影響，提出了關(guān)鍵參數(shù)優(yōu)化的方法。通過仿真信號(hào)論述了共振稀疏分解在故障特征提取中的應(yīng)用方法及可行性；并通過滾動(dòng)軸承仿真信號(hào)研究了基于優(yōu)化參數(shù)的信號(hào)共振稀疏分解方法。針對(duì)滾動(dòng)軸承出現(xiàn)故障時(shí)背景噪聲較強(qiáng)，信號(hào)干擾較大，本文提出應(yīng)用小波降噪進(jìn)行信號(hào)的預(yù)處理，然后應(yīng)用

4、RSSD方法進(jìn)行信號(hào)分解及故障診斷。通過滾動(dòng)軸承故障仿真試驗(yàn)臺(tái)數(shù)據(jù)進(jìn)行實(shí)踐分析，能夠一定程度獲得故障特征，但存在特征頻率及其倍頻幅值不占優(yōu)，信噪比不高的情況。
　　為進(jìn)一步突出故障特征，本文提出RSSD與小波變換相結(jié)合的滾動(dòng)軸承故障診斷方法，對(duì)信號(hào)共振稀疏分解得到的低共振分量繼續(xù)進(jìn)行小波分析，得出更為貼近故障特征的重構(gòu)信號(hào)。通過兩類軸承試驗(yàn)臺(tái)數(shù)據(jù)進(jìn)行驗(yàn)證分析，結(jié)果表明該方法能有效提取滾動(dòng)軸承故障特征。
　　本文最后與一般典型