滾動軸承故障特征提取與診斷方法研究.pdf

1、隨著科學技術的迅猛發(fā)展和現代化大生產的日益普及，旋轉機械不斷朝著大型化、復雜化、高速化和自動化方向發(fā)展，這對設備的運行安全提出了更高的要求。滾動軸承作為旋轉機械中應用最為廣泛的部件之一，直接決定著整個機械系統(tǒng)能否正?？煽窟\行，深入開展?jié)L動軸承故障診斷和狀態(tài)檢測技術的研究，對有效避免生產中重大事故的發(fā)生，具有重要的學術意義和工程應用價值。
　　本文在詳細論述滾動軸承故障信號降噪、特征提取、復合與智能故障診斷研究現狀的基礎上，從振動信

2、號分析與處理方法著手，針對滾動軸承故障特征提取與診斷中所涉及的幾個關鍵問題進行了深入研究，在滾動軸承故障特征提取、微弱故障診斷、復合故障特征分離、故障模式智能識別和運行狀態(tài)檢測方面取得了一些研究成果，論文的創(chuàng)新點及主要工作如下:
　　(1)傳感器采集的滾動軸承故障振動信號頻率成分比較復雜，在無關頻率成分及噪聲的干擾下，軸承故障特征常常難以準確提取。針對此問題，本文基于倒譜預白化和奇異值分解重構提出了一種故障特征提取方法。該方法通過

3、倒譜預白化處理軸承故障信號，消除了信號中離散頻率成分和諧波分量的干擾;然后進行奇異值分解，并基于奇異值最大差分譜重構信號，有效濾除了信號中的干擾噪聲。實驗證明，該方法能準確提取滾動軸承的故障特征。
　　(2)在惡劣的工作環(huán)境下，滾動軸承振動信號中常混雜有強烈的背景噪聲，尤其是故障特征較為微弱時，極易被噪聲所掩蓋，軸承故障難以診斷。因此，本文基于自適應多尺度自互補Top-Hat變換提出了一種軸承微弱故障診斷方法。形態(tài)學自互補Top-

4、Hat變換濾波器處理軸承故障信號時，能夠抑制信號中的強背景噪聲，并有效增強軸承的故障沖擊特征。同時，為達到兼顧抗噪性和信號細節(jié)保持性的目的，構建了多尺度形態(tài)學濾波器，通過比較不同尺度下濾波信號的故障特征能量比，自適應確定了最優(yōu)結構元素的尺度。
　　(3)滾動軸承出現復合故障時，在單通道振動信號中軸承不同元件的故障特征彼此混雜，難以分離。為解決此間題，本文基于改進諧波小波包分解提出了一種軸承復合故障特征分離方法。該方法可以根據需要對

5、信號頻帶進行任意劃分，克服了傳統(tǒng)諧波小波包分解后子信號個數及帶寬范圍受二進制劃分的缺陷，通過計算子信號中各單一故障信號的權重因子，重構分離出軸承各單一故障信號，有效實現了滾動軸承復合故障特征的分離。
　　(4)針對以故障模式識別與運行狀態(tài)檢測為主要內容的滾動軸承智能診斷問題，本文采用Hermitian小波對軸承信號進行連續(xù)小波變換，再結合樣本熵理論，提出以時間-小波能量譜樣本熵作為特征參數，對軸承智能診斷進行研究。該方法將時間-小