基于正交小波优化阈值降噪方法的滚动轴承故障诊断研究

发布时间：2017-11-25 23:00

  本文关键词：基于正交小波优化阈值降噪方法的滚动轴承故障诊断研究

  更多相关文章： 滚动轴承 故障诊断 模态分解 小波降噪 优化阈值

【摘要】：为了在线监测机械设备运转过程中滚动轴承可能发生的故障,基于正交小波变换,将监测信号通过优化阈值降噪方法,去掉背景噪声的影响,保留故障信号成分,为机械设备故障特征的提取提供保证。在实际设备正常工作过程中,滚动轴承是最为常见的、极其容易出现故障的转动类部件。机械设备能否正常工作,对整体机械设备的性能影响非常大。为了避免由于滚动轴承故障引起的设备损失,监测灾难性事故发生的可能性,建立滚动轴承在线监测程序及实时故障诊断,对实际工程有着重大的理论意义和实用价值。为了试验获取不同工况条件下的机械设备振动信号,借鉴以往滚动轴承故障模拟试验台,设计试验滚动轴承故障类型。要求该试验台满足实验条件:主轴转速可以变化;荷载可以变换;快速准确采集不同工况条件下的滚动轴承振动信号。设计的试验分三种情况进行了状态监测试验,并采集了相应的振动信号:正常振动、外圈故障振动信号和内圈故障振动信号。利用正交小波的数学特性,结合优化阈值目标函数,对试验采集的振动信号给予降噪处理。在不同分解尺度上,故障信号与噪声信号的小波系数是具有不同的特性,并且软、硬阈值函数具有各自的优点。通过改变阈值选取原则和阈值函数形式,降低信号中的噪声干扰,且保证故障信号成分尽可能少损失,为分析机械设备的故障特征提供理论依据和基础数据。本文提出一种新的阈值选取原则和优化阈值降噪方法,结合经验模态分解的特征提取技术,将其应用到滚动轴承故障特征提取中。结果表明,本文方法应用于滚动轴承故障诊断是有效的和适用的。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH165.3

【参考文献】

中国期刊全文数据库 前1条

1 李孟源,陈春朝,任焕琴;小波神经网络在货车滚动轴承故障检测中的应用[J];机械;2005年11期

中国博士学位论文全文数据库 前1条

1 赵志宏;基于振动信号的机械故障特征提取与诊断研究[D];北京交通大学;2012年

，

本文编号：1227651