基于短時奇異譜分析的滾動軸承故障診斷方法研究.pdf

1、隨著現(xiàn)代化工業(yè)大生產體系的不斷發(fā)展和完善，為最大限度的提高工業(yè)生產效率并保證產品質量，作為核心生產工具的機械設備需要不斷地朝大型化、節(jié)能化、智能化和高可靠性等方向發(fā)展。在這樣的背景下，機械設備發(fā)生故障的概率和方式必然相應的增加，發(fā)生故障帶來的財產損失與人員傷亡也會逐漸地擴大。開展對此類設備的狀態(tài)監(jiān)測和故障診斷技術研究對保證設備安全、穩(wěn)定的運行具有重要的現(xiàn)實意義。旋轉機械是現(xiàn)代化工業(yè)大生產中的支柱設備，廣泛應用于電力、化工、冶金、航空航天

2、等重要工業(yè)領域，而其中絕大部分旋轉機械的轉子部件都采用滾動軸承進行支撐。與一般的機械零部件相比，滾動軸承的最大特點是其實際壽命影響因素復雜、離散性較大。有統(tǒng)計數據表明，滾動軸承引起的旋轉機械故障將占其總故障的近三分之一。因此，本文以滾動軸承為研究對象，在深入理解其故障機理及故障信號表現(xiàn)形式的基礎上，提出了一種短時奇異值分解算法用于實現(xiàn)滾動軸承的狀態(tài)監(jiān)測及故障診斷。
　　本研究主要內容包括：⑴對滾動軸承的故障發(fā)生機理、故障信號特征表

3、現(xiàn)及相應的頻譜構成進行分析研究，對局部故障信號的信噪比差異現(xiàn)象做了詳細的介紹；在此基礎上，結合信號局部分析的思想，提出了一種基于信號滑移加窗的短時奇異值分解算法。該算法針對奇異值分解算法在信號整體分析上存在的不足，將信號整體分析轉換到信號局部分析，著重于振蕩主導區(qū)內的故障信息提取與特征識別。以該算法為基礎構建的短時奇異譜揭示了故障信號時域-奇異值域的聯(lián)合分布信息，可有效實現(xiàn)故障沖擊特征的具象化表征。⑵通過將短時奇異譜提取的沖擊特征在時間

4、維度上進行投影，成功提取能夠表征滾動軸承故障沖擊特征的主奇異值特征序列。在此基礎上，充分挖掘主奇異值特征序列內含的故障信息，重構能夠表征故障沖擊成分的短時序列，進一步提取滾動軸承系統(tǒng)固有頻率。結合FIR濾波器構建方法，提出了以固有頻率為中心頻率的濾波器設計方案，并利用峭度指標實現(xiàn)濾波器帶寬的最優(yōu)化選擇；在此基礎上，分析了滑移窗長等參數對濾波器消噪性能的影響，進而實現(xiàn)滾動軸承故障信號的沖擊特征提取及背景噪聲抑制；同時，針對頻帶濾波器的不足

5、，通過重構原始信號中的噪聲序列獲得噪聲統(tǒng)計特性作為參考信息，結合LMS自適應算法，提出了基于噪聲功率估計的自適應濾波器設計方法，實現(xiàn)對滾動軸承故障信號的自適應濾波。⑶在主奇異值特征提取的基礎上，研究了以自適應原子字典構建為核心的信號稀疏表示方法。該方法通過提取多個能夠表征故障沖擊成分的重構短時序列來構建沖擊原子字典，在此基礎上采用K-SVD算法實現(xiàn)學習字典的訓練，經過原子擴展時延操作獲得自適應原子字典，再采用匹配追蹤算法對信號稀疏表示；