基于信息融合與VPMCD的滾動(dòng)軸承智能診斷研究.pdf

1、滾動(dòng)軸承作為機(jī)械系統(tǒng)中關(guān)鍵的支撐部件，其運(yùn)行狀態(tài)的好壞直接影響到整臺(tái)設(shè)備的安全運(yùn)行。因此，開展對(duì)滾動(dòng)軸承的故障診斷很具現(xiàn)實(shí)意義。在滾動(dòng)軸承運(yùn)行狀態(tài)監(jiān)測(cè)中，為了確保狀態(tài)信息采集的完備性、可靠性，通常在測(cè)點(diǎn)上布置多個(gè)傳感器。采集到的多通道信號(hào)大多數(shù)呈現(xiàn)出非線性、非平穩(wěn)特性。但是傳統(tǒng)的時(shí)頻方法很難實(shí)現(xiàn)多通道信號(hào)的同步聯(lián)合分析，而多維經(jīng)驗(yàn)?zāi)B(tài)分解可以有效解決這個(gè)問(wèn)題，同時(shí)能夠保證所分解的多通道信號(hào)的IMF分量按照頻率尺度對(duì)齊，這就為多通道信息融

2、合提供有利條件。本文將其分別和多元多尺度熵及全矢譜技術(shù)相結(jié)合應(yīng)用到滾動(dòng)軸承故障特征提取中，并將基于信息融合技術(shù)提取的特征利用基于變量預(yù)測(cè)模型識(shí)別方法（VPMCD）進(jìn)行識(shí)別。本文的主要研究工作如下：
　　1、提出了基于多維經(jīng)驗(yàn)?zāi)B(tài)分解(MEMD)與多元多尺度熵（MMSE）的退化特征提取方法。首先，利用MEMD算法對(duì)滾動(dòng)軸承不同退化狀態(tài)的多通道信號(hào)進(jìn)行同步自適應(yīng)分解；然后，對(duì)多尺度IMF分量重構(gòu)的信號(hào)進(jìn)行多元多尺度熵分析。最后通過(guò)實(shí)例

3、分析，驗(yàn)證了該方法能有效反映滾動(dòng)軸承退化趨勢(shì)。
　　2、提出了一種基于噪聲輔助多維經(jīng)驗(yàn)?zāi)Ｊ椒纸猓∟A-MEMD）與全矢譜結(jié)合的滾動(dòng)軸承故障診斷方法——全矢NA-MEMD。首先，利用NA-MEMD對(duì)同源雙通道信號(hào)和噪聲輔助信號(hào)構(gòu)成的多通道信息自適應(yīng)分解成一系列IMF分量；然后，根據(jù)相關(guān)系數(shù)從同源雙通道中選取包含故障主要信息的IMF分量進(jìn)行重構(gòu)；最后，將重構(gòu)信號(hào)進(jìn)行全矢信息融合來(lái)提取故障特征。通過(guò)仿真信號(hào)和實(shí)驗(yàn)信號(hào)驗(yàn)證該方法的有效性。