基于小波分析的軸承故障模式識別技術研究.pdf

1、滾動軸承是旋轉(zhuǎn)機械中應用最為廣泛的機械部件，也是最易損壞的部件之一。旋轉(zhuǎn)機械的許多故障都與滾動軸承有關，軸承工作狀態(tài)的好壞直接影響到設備的工作性能。因此，對軸承開展故障診斷研究具有重要意義。 本文的研究工作包括： (1)根據(jù)滾動軸承沖擊故障的特點，針對故障發(fā)生部位的不同，設計了八類點蝕故障模式。利用幅值指標分析、幅值譜分析、濾波分析對點蝕信號進行處理，分析了各種模式下的振動特征及各模式之間的差異。結(jié)果表明利用上述分析手段

2、，只能定性識別故障模式，即判斷點蝕故障的有無，無法確定故障的具體模式。 (2)針對軸承振動信號噪聲較為強烈的特點，本文對小波降噪技術在軸承故障診斷中的應用進行了研究。降噪結(jié)果表明，小波分解后采用閾值法可以有效剔除振動信號中包含的噪聲，降噪信號經(jīng)頻譜分析后可以成功提取滾動軸承的故障特征，達到診斷目的。 (3)針對軸承故障信號中普遍存在的調(diào)制現(xiàn)象，本文將小波分解后的高頻信號采用包絡分析，能夠提取高頻衰減振動中包含的低頻調(diào)制信

3、息，再進行頻譜分析便可容易識別故障特征，并且可以對實驗設計的八類點蝕故障加以區(qū)分。 (4)為了自動識別軸承點蝕故障模式，本文以軸承模擬故障信號的幅值指標作為樣本數(shù)據(jù)，對BP神經(jīng)網(wǎng)絡加以訓練，從而得到了期望的診斷網(wǎng)絡，實現(xiàn)了軸承故障診斷的智能化。通過分析不同模式下點蝕故障信號的幅值指標分布特點，結(jié)合神經(jīng)網(wǎng)絡的固有特性，本文引入了二級逐步深入的BP神經(jīng)網(wǎng)絡診斷策略，經(jīng)過與單級BP神經(jīng)網(wǎng)絡的診斷效果對比分析，驗證了二級網(wǎng)絡的優(yōu)越性。