滾動軸承振動信號處理與故障辨識方法研究.pdf

1、近年來，滾動軸承狀態(tài)監(jiān)測與故障診斷方面的研究工作受到越來越多的重視，相關的理論研究也得到迅速的發(fā)展。通常，軸承狀態(tài)監(jiān)測與故障診斷理想的手段都是基于振動信號處理這種方式開展的。本文詳細的介紹了信號的降噪、信號的局部均值分解方法以及神經(jīng)網(wǎng)絡在故障診斷中的應用，并提出了一種基于局部均值分解和概率神經(jīng)網(wǎng)絡的軸承故障診斷的方法。
　　 同時，結合軸承試驗臺上模擬的四種模式下的數(shù)據(jù)，采用最大相關峭度反卷積法對原始信號進行降噪處理，然后對降噪

2、后的信號進行局部均值分解以便更好地提取信號的故障特征，并以各個特征構成的特征向量作為概率神經(jīng)網(wǎng)絡的樣本完成故障辨識。本文的主要工作及研究結論如下：
　　 (1)闡述了傳統(tǒng)時頻分析方法在非平穩(wěn)信號中的應用，指出其存在的缺陷。分析滾動軸承故障的機理并對三種故障模式和一種正常模式的信號通過一種全新的降噪方法進行降噪。針對滾動軸承振動信號的特點，采用一種新的自適應信號處理方法-局部均值分解方法對軸承振動信號進行分解，分離出反映軸承振動情

3、況的各個分量。
　　 (2)局部均值分解算法包含三個重要的循環(huán)過程，三個循環(huán)使得信號分解速度較慢。針對局部均值分解較慢的問題結合實際工程應用進行了相應的改進，提高了信號分解速度，減少了工程分析量。
　　 (3)將局部均值分解方法與概率神經(jīng)網(wǎng)絡相結合完成了滾動軸承的故障辨識。對局部均值分解得到的PF分量進行特征提取組成特征向量作為概率神經(jīng)網(wǎng)絡的輸入樣本進行故障診斷，通過實驗驗證表明本方法可以有效地識別軸承的故障類型。