基于雙樹復小波包和EMD的滾動軸承故障診斷研究.pdf

1、滾動軸承作為轉動機械設備中的常用基礎元件，它的工作狀態(tài)關系到設備整體的運行可靠性。當滾動軸承發(fā)生故障時，如何準確識別出問題點并制定對應的維修策略是設備故障診斷領域的研究熱點。滾動軸承的振動信號具有非線性、非平穩(wěn)性的特性，當軸承不同的部位出現(xiàn)故障時其振動信號的頻帶和能量特征會發(fā)生變化，通過分析振動信號的能量特征變化可識別出軸承的故障類型。
　　本文建立了基于雙樹復小波包、經(jīng)驗模態(tài)分解（EMD）和RBF神經(jīng)網(wǎng)絡的滾動軸承故障診斷模型，

2、以美國凱斯西儲大學電氣工程實驗室提供的滾動軸承故障振動數(shù)據(jù)為基礎，采用奇異值差分譜算法對振動信號進行消噪處理從而降低噪聲的干擾，然后分別采用雙樹復小波包和經(jīng)驗模態(tài)分解兩種算法對滾動軸承的外圈、滾動體和內(nèi)圈故障信號進行分解并提取能量特征樣本，為下一步的故障類型識別提供數(shù)據(jù)支持。
　　RBF神經(jīng)網(wǎng)絡具有強大的自適應學習、非線性逼近能力，能夠實現(xiàn)對故障類型的分類識別。本文采用MATLAB編程實現(xiàn)RBF神經(jīng)網(wǎng)絡的故障識別模型，將基于雙樹復