基于谱峭度和EMD的滚动轴承早期故障检测与诊断增强

发布时间：2020-07-19 21:14

【摘要】：滚动轴承被广泛地应用在各种工业现场中,它的运行状态直接影响到整台机器的功能,因此,它的早期故障诊断具有非常重要的意义,对于滚动轴承的早期故障,信号中包含的故障信息一般很微弱,常常淹没在噪声信号中,因此能否有效地降低噪声提高信噪比,有效地增强故障弱信号是进行滚动轴承早期故障诊断的关键。本课题在总结和汲取他人研究成果的基础上,提出一种基于谱峭度和经验模态分解(EMD)方法,以从滚动轴承振动信号中获取的故障数据为基础,进行早期故障弱信号增强,提前诊断出滚动轴承故障,从而提高故障诊断水平和效率,保证机械系统运行的稳定性和安全性,本文包括以下内容: 首先针对谱峭度缺乏自适应性和EMD存在模态混叠、在低频段产生多余IMF分量等问题,提出谱峭度和EMD相结合的方法,利用谱峭度对故障脉冲信号敏感能够有效增强故障脉冲信号减少噪声的优势,在增强故障脉冲信号减少噪声干扰的基础上与EMD方法相结合,有效解决了EMD方法受各种干扰的问题,能够有效提高EMD分解的效率和精度,进一步提高了故障诊断水平。然后把基于谱峭度和EMD方法应用到加噪仿真信号和滚动轴承早期故障诊断中,实验结果证明,基于谱峭度和EMD方法在加噪仿真信号和滚动轴承早期故障弱信号增强中取得了很好的效果,因此,该方法对滚动轴承早期故障弱信号增强具有重要意义,具有良好的应用前景。
【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】：2009
【分类号】：TH133.33;TH165.3
【图文】：

示意图,系数计算,小波变换,示意图

( )( ) ( )20,22=expa bt b f t bta aσ πψ + (2公式(2-17)的傅立叶变换为：( )22 202= expafaf faπψ σ πσ (2由公式(2-18)可知经过平移和尺度伸缩之后小波形状参数和中心频率都变1a，根据公式(2-15)-(2-18)可知小波形状是由σ 、a、0f 共同决定。其中定着小波的带宽；0f 、a决定着小波中心频率。如何选择 Morlet 小波最我们应用上面基于短时傅立叶变换的谱峭度思想，把谱峭度引入到 Mor对其参数进行优化，根据谱峭度变化寻找 Morlet 小波的最佳匹配参数最增强故障弱信号中的冲击衰减成分，从而获得最优的增强效果。由公式(2-13)可知连续小波变换系数fWT 表示了小波与处在该分析时段内形相似程度，图 2-3 为小波变换系数计算示意图。

二倍频,形式,带宽,带通滤波器

二倍频分解树实际上是频域分析中频率的一种相对尺度。本文采用二倍频分解树方法构造多个不同带宽和中心频率的带通滤波器，使这些带通滤波器的带宽覆盖整个分析频带。二倍频分解树形式如图 2-4 所示。假设整个分析频带为 f ，k 为分解的层次，所以每层有 2k个带宽；ikc 为第 k 层分解出来的第 i 个系数， i 为第 k 层分解个数，i = 0 ... 2 1k，，。所以对于第k 层第i个ikc 系数对应的中心频率为：( )1 12 2kif f i = × + (2-20)第k 层第i个ikc 系数对应的带宽为：( )12kkf f = × (2-21)二倍频分解树的分解层次[41]：log 2 7Nk < (2-22)

滚动轴承,外圈

故障诊断具有非常重要的意义，对于般很弱，常常淹没在噪声信号中，增强故障弱信号是进行滚动轴承早期机理和故障类型动机理振动机理前，首先介绍一下滚动轴承图可见，滚动轴承是由内圈、外圈间装有若干滚动体，通过保持架使，内圈装载轴颈上，外圈装在轴承是滚动轴承的核心组件，当内外圈内外圈上的滚道多为凹槽形，它起。保持架将滚动体均匀地隔开，以

【引证文献】