基于相空間重構(gòu)理論的滾動軸承故障診斷研究.pdf

1、滾動軸承是各種旋轉(zhuǎn)機械中應(yīng)用最廣泛的一種通用機械部件,它的運行狀態(tài)是否正常往往影響整臺機器的性能。因此,對滾動軸承進行故障診斷具有重要的意義。滾動軸承的故障診斷一般是對非線性時間序列表示的信號進行分析,比如特征提取、狀態(tài)識別。主要研究內(nèi)容如下:
　　(1)滾動軸承信號往往含有噪聲,為了降低噪聲對特征提取的影響,因此有必要在特征提取之前對信號作降噪處理。本文提出了基于相空間重構(gòu)技術(shù)的主分量分析降噪算法,并用仿真信號和滾動軸承故障實驗

2、數(shù)據(jù)證明了該方法在降噪方面的有效性。
　　(2)研究了形態(tài)濾波與基于相空間重構(gòu)技術(shù)的主分量分析降噪算法相結(jié)合的特征提取算法。信號經(jīng)基于相空間重構(gòu)的主分量分析降噪方法降噪之后,再用形態(tài)濾波進行特征提取。仿真研究與滾動軸承故障內(nèi)圈和外圈實驗數(shù)據(jù)的實例分析,證明了該方法的有效性。
　　(3)研究了局部均值分解(LMD)與基于相空間重構(gòu)技術(shù)的主分量分析降噪算法相結(jié)合的特征提取算法。信號基于相空間重構(gòu)的主分量分析降噪方法降噪之后,再用

3、LMD對其進行分解,選取能量最高的PF1進行包絡(luò)譜分析。通過仿真試驗和滾動軸承故障實驗,結(jié)果表明該方法能夠有效地提取出信號的故障特征。
　　(4)研究了多尺度排列熵與支持向量機結(jié)合的滾動軸承狀態(tài)識別算法。通過計算各個尺度下滾動軸承四種狀態(tài)信號的排列熵值,選擇合適的尺度來構(gòu)建特征向量,選取一定數(shù)量的特征向量樣本并運用支持向量機分類器來對其進行分類,結(jié)果表明該方法對滾動軸承的正常、內(nèi)圈故障、外圈故障、滾動體故障這四種狀態(tài)具有很高的識別