滾動軸承早期故障信號特征提取方法及應用研究.pdf

1、高檔數(shù)控裝備功能日趨豐富和復雜,一旦某一關(guān)鍵部件在運行時出現(xiàn)微弱故障,就可能影響整臺裝備的安全運行,因此,研究復雜機械裝備的狀態(tài)監(jiān)測與故障診斷理論和應用能夠確保其安全、可靠、連續(xù)運行。
　　滾動軸承是出現(xiàn)故障頻率最高的部件之一,因此,本文從滾動軸承早期故障特征提取方法展開研究。經(jīng)驗模式分解方法能夠有效地處理非平穩(wěn)、非線性動態(tài)信號,但在噪聲和脈沖沖擊干擾下存在模式混疊,為此,引入噪聲輔助集合經(jīng)驗模式分解(EEMD)處理軸承故障動態(tài)信

2、號,分離和提取出信號中所包含的故障特征信號和噪聲信號。
　　利用EEMD降噪特性,研究基于EEMD降噪和譜峭度理論的軸承早期故障自適應包絡分析方法。通過 EEMD對原始動態(tài)信號進行分解,根據(jù)峭度值指標和自相關(guān)性分析選擇有用模式分量并重構(gòu),進而結(jié)合譜峭度法在瞬態(tài)沖擊信號檢測中的優(yōu)勢,對降噪后的信號自適應確定平方包絡分析的最佳帶通濾波器參數(shù),應用包絡分析技術(shù)識別出早期微弱故障特征頻率,并通過故障仿真數(shù)據(jù)和軸承故障實驗驗證該方法的有效性

3、。
　　針對EEMD在更強噪聲干擾下降噪效果不理想的問題,利用EEMD有效的抗混分解和特征提取特性,研究基于級聯(lián)雙穩(wěn)隨機共振預處理和EEMD分解的非平穩(wěn)信號微弱特征提取方法,分解和提取出隨機共振輸出后信號所包含的低頻故障特征頻率成分,對故障信號進一步分解和診斷增強,減少信號分解層數(shù),最后通過仿真信號和軸承實驗數(shù)據(jù)驗證方法的有效性。
　　在此基礎上,作為基礎理論研究的實用載體,研究與開發(fā)基于網(wǎng)絡的機床軸承等關(guān)鍵部件動態(tài)信號監(jiān)測