基于改進(jìn)MCA和NCT的滾動軸承故障信號階次跟蹤方法.pdf

1、滾動軸承是旋轉(zhuǎn)機(jī)械中最重要的部件之一，也是機(jī)械設(shè)備中主要的故障源，滾動軸承的失效將直接導(dǎo)致設(shè)備運行的失常。因此，準(zhǔn)確發(fā)現(xiàn)滾動軸承的故障及其類型，從而進(jìn)行干預(yù)以避免失效，具有重要意義。
　　滾動軸承的振動信號包含不同的振源信號，根據(jù)各振源的不同振動形態(tài)，對各成分進(jìn)行有效分離，可對滾動軸承的故障判斷提供重要依據(jù)。形態(tài)分量分析(Morphological Component Analysis。MCA)可針對不同振動形態(tài)構(gòu)建稀疏表示字典，

2、實現(xiàn)對不同成分的有效分離。另外，滾動軸承在實際運行中出現(xiàn)的轉(zhuǎn)速波動造成振動信號的非平穩(wěn)性，通常采用階次跟蹤方法對信號進(jìn)行平穩(wěn)化處理。階次跟蹤方法中，轉(zhuǎn)速的獲取是關(guān)鍵。非線性調(diào)頻小波變換(Nonlinear Chirplet Transform。NCT)采用多項式逼近的思想，能夠準(zhǔn)確地從振動信號中估計轉(zhuǎn)速。本文主要內(nèi)容如下：
　　(1)針對滾動軸承振動信號中不同分量具有不同頻率帶寬比的特征，采用基于可調(diào)品質(zhì)因子小波變換(Tunabl

3、e-Q Wavelet Transform。TQWT)的改進(jìn) MCA方法。研究了 MCA方法在信號形態(tài)分量分離方面的有效性及不足，構(gòu)建了TQWT字典對 MCA進(jìn)行改進(jìn)，克服了傳統(tǒng)濾波方法難以分離頻率較接近的成分的缺點。采用了不同品質(zhì)因子的TQWT對信號進(jìn)行稀疏表示，將振動信號分解為不同成分，對沖擊成分進(jìn)行包絡(luò)分析，判斷軸承的故障類型。通過滾動軸承故障試驗，結(jié)果表明該方法能有效地實現(xiàn)各分量的分離，凸顯故障特征頻率。
　　(2)針對變

4、速運行的滾動軸承振動信號所表現(xiàn)出的時變特征，提出了基于NCT的階次跟蹤方法。利用 NCT分析信號得到時頻譜圖，結(jié)合峰值搜索算法提取信號的瞬時頻率，根據(jù)瞬時頻率實現(xiàn)信號的等角度重采樣。通過仿真信號，驗證了該方法無需轉(zhuǎn)速計，能夠直接提取振動信號的時變特征，具有精度高和魯棒性好的特點。
　　(3)針對強(qiáng)噪聲、變轉(zhuǎn)速下滾動軸承故障振動信號的特點，提出了基于改進(jìn)MCA和 NCT的滾動軸承階次跟蹤方法。通過改進(jìn) MCA實現(xiàn)對故障信號中各成分的