改進(jìn)的共振稀疏分解方法及在機(jī)械故障診斷中的應(yīng)用.pdf

1、現(xiàn)今，工業(yè)發(fā)展越來越趨向于自動(dòng)化、大型化、智能化發(fā)展，機(jī)械傳動(dòng)機(jī)構(gòu)已廣泛的應(yīng)用在各類大型生產(chǎn)設(shè)備中，滾動(dòng)軸承作為大型機(jī)械設(shè)備中主要傳動(dòng)零件之一，逐漸起著越來越大的作用，其健康狀態(tài)直接影響著設(shè)備的生產(chǎn)工作。滾動(dòng)軸承發(fā)生故障時(shí)，機(jī)械設(shè)備將偏離正常工作狀態(tài)，對(duì)生產(chǎn)可能會(huì)造成巨大的經(jīng)濟(jì)損失，因此有必要對(duì)滾動(dòng)軸承進(jìn)行狀態(tài)檢測(cè)。本文以滾動(dòng)軸承為研究對(duì)象，針對(duì)滾動(dòng)軸承早期故障時(shí)微弱故障特征不易識(shí)別的特點(diǎn)，將改進(jìn)的共振稀疏分解理論應(yīng)用到滾動(dòng)軸承的故障診

2、斷中，并通過仿真和實(shí)測(cè)信號(hào)驗(yàn)證方法的有效性。
　　1.闡述共振稀疏分解的理論基礎(chǔ)以及分解原理，針對(duì)共振稀疏分解將振動(dòng)信號(hào)分解為包含周期諧波成分的高共振分量以及包含瞬態(tài)沖擊成分的低共振分量的特點(diǎn)，將共振稀疏分解應(yīng)用到軸承的故障診斷中來提取故障沖擊成分，應(yīng)用數(shù)值仿真信號(hào)和實(shí)測(cè)軸承故障信號(hào)以及與小波變換、經(jīng)驗(yàn)?zāi)Ｊ椒纸夥纸庑Ч麑?duì)比來驗(yàn)證共振稀疏分解的有效性。
　　2.針對(duì)共振稀疏分解在振動(dòng)信號(hào)分解過程中，分解效果受到多參數(shù)隨機(jī)選擇影

3、響的缺陷，提出基于粒子群優(yōu)化的共振稀疏分解算法，運(yùn)用相關(guān)峭度指標(biāo)來評(píng)價(jià)低共振分量中的周期沖擊信號(hào)成分的多少。仿真和實(shí)測(cè)信號(hào)驗(yàn)證粒子群優(yōu)化的共振稀疏分解算法對(duì)于軸承特征提取的有效性，與現(xiàn)有的變模式分解進(jìn)行對(duì)比，基于粒子群優(yōu)化的共振稀疏分解對(duì)特征提取的效果更優(yōu)。
　　3.將共振稀疏分解算法用于軸承和齒輪故障的分類。為了更好的對(duì)機(jī)械故障進(jìn)行模式識(shí)別，將共振稀疏分解的分解系數(shù)的排列熵值作為特征向量，結(jié)合KNN分類器實(shí)現(xiàn)軸承以及齒輪不同工況