ELMD在軸承故障診斷中的關(guān)鍵技術(shù)研究.pdf

1、大型機械設(shè)備通常在惡劣的工況環(huán)境下連續(xù)作業(yè)，不可避免的會發(fā)生故障，一旦機械設(shè)備發(fā)生故障將會造成嚴重的經(jīng)濟損失，而軸承在整個機械設(shè)備中最易損壞，軸承一旦發(fā)生故障嚴重影響設(shè)備的安全運行，因此有必要對軸承振動信號進行分析，從而找到故障的位置和損壞程度。由于振動的傳輸路徑復(fù)雜多變，通過傳感器拾取到的故障信號通常呈現(xiàn)非線性、非平穩(wěn)性，給故障診斷帶來了困難。
　　從短時傅里葉變換的提出至今，時頻分析方法在故障診斷中研究越來越深入，如Wigne

2、r-Ville分布、小波變換，但是 Wigner-Ville分布存在交叉項干擾，短時傅里葉和小波變換要求窗口內(nèi)的信號時穩(wěn)態(tài)的，而軸承故障信號多呈現(xiàn)非線性非平穩(wěn)性，因此對信號處理的精度會受到影響，本文重點研究基于總體局部均值分解(ELMD)的時頻分析方法及其在滾動軸承故障特征提取方面的應(yīng)用。
　　首先，介紹了局部均值分解(LMD)和ELMD的基本理論，然后將ELMD分別與自相關(guān)降噪和最大相關(guān)峭度解卷積結(jié)合用于滾動軸承故障診斷。

3、>　　其次，針對ELMD分解過程中白噪聲參數(shù)(幅值和加入次數(shù))的選擇問題進行了研究，引入相對均方根誤差值和信噪比作為評價 ELMD分解性能的指標，提出噪聲參數(shù)最優(yōu) ELMD分解方法，結(jié)合譜峭度對軸承故障信號進行分析，并在此基礎(chǔ)上利用最小二乘支持向量機(LS-SVM)對不同類型的軸承故障信號進行識別。
　　最后，提出一種頻率優(yōu)化 ELMD(OELMD)分解方法，與原始 ELMD方法不同，在OELMD方法中，僅添加兩個反向的高頻白噪聲