滾動(dòng)軸承振動(dòng)信號(hào)處理與故障辨識(shí)方法研究.pdf

1、近年來(lái)，滾動(dòng)軸承狀態(tài)監(jiān)測(cè)與故障診斷方面的研究工作受到越來(lái)越多的重視，相關(guān)的理論研究也得到迅速的發(fā)展。通常，軸承狀態(tài)監(jiān)測(cè)與故障診斷理想的手段都是基于振動(dòng)信號(hào)處理這種方式開(kāi)展的。本文詳細(xì)的介紹了信號(hào)的降噪、信號(hào)的局部均值分解方法以及神經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用，并提出了一種基于局部均值分解和概率神經(jīng)網(wǎng)絡(luò)的軸承故障診斷的方法。
　　 同時(shí)，結(jié)合軸承試驗(yàn)臺(tái)上模擬的四種模式下的數(shù)據(jù)，采用最大相關(guān)峭度反卷積法對(duì)原始信號(hào)進(jìn)行降噪處理，然后對(duì)降噪

2、后的信號(hào)進(jìn)行局部均值分解以便更好地提取信號(hào)的故障特征，并以各個(gè)特征構(gòu)成的特征向量作為概率神經(jīng)網(wǎng)絡(luò)的樣本完成故障辨識(shí)。本文的主要工作及研究結(jié)論如下：
　　 (1)闡述了傳統(tǒng)時(shí)頻分析方法在非平穩(wěn)信號(hào)中的應(yīng)用，指出其存在的缺陷。分析滾動(dòng)軸承故障的機(jī)理并對(duì)三種故障模式和一種正常模式的信號(hào)通過(guò)一種全新的降噪方法進(jìn)行降噪。針對(duì)滾動(dòng)軸承振動(dòng)信號(hào)的特點(diǎn)，采用一種新的自適應(yīng)信號(hào)處理方法-局部均值分解方法對(duì)軸承振動(dòng)信號(hào)進(jìn)行分解，分離出反映軸承振動(dòng)情

3、況的各個(gè)分量。
　　 (2)局部均值分解算法包含三個(gè)重要的循環(huán)過(guò)程，三個(gè)循環(huán)使得信號(hào)分解速度較慢。針對(duì)局部均值分解較慢的問(wèn)題結(jié)合實(shí)際工程應(yīng)用進(jìn)行了相應(yīng)的改進(jìn)，提高了信號(hào)分解速度，減少了工程分析量。
　　 (3)將局部均值分解方法與概率神經(jīng)網(wǎng)絡(luò)相結(jié)合完成了滾動(dòng)軸承的故障辨識(shí)。對(duì)局部均值分解得到的PF分量進(jìn)行特征提取組成特征向量作為概率神經(jīng)網(wǎng)絡(luò)的輸入樣本進(jìn)行故障診斷，通過(guò)實(shí)驗(yàn)驗(yàn)證表明本方法可以有效地識(shí)別軸承的故障類型。