基于小波降噪和经验模态分解的滚动轴承故障诊断

发布时间：2017-11-10 22:07

本文关键词：基于小波降噪和经验模态分解的滚动轴承故障诊断

【摘要】：在机械设备运转过程中，最为常用的滚动轴承是极易发生故障的旋转零件，它的运行状态是否正常往往直接影响整套机械设备的性能。因此针对滚动轴承进行状态监测及故障诊断，对于减少由于滚动轴承故障引起的财产损失以及灾难性事故，更好地发掘机械设备潜在的能力，加强社会经济发展等都具有显著的理论意义和实际意义。然而由于滚动轴承早期故障引起的振动信号较弱、冲击能量较低，背景噪声对故障诊断的干扰往往是不能忽略的，因此寻求合理的降噪方法以及有效的故障诊断方法一直是滚动轴承故障诊断的主要研究方向。本文搭建了滚动轴承故障模拟试验台，该试验台可以方便合理地改变主轴转速以及载荷，能够快速准确地获取不同工况条件下的滚动轴承振动信号。本文运用该试验台针对正常滚动轴承、外圈故障滚动轴承、内圈故障滚动轴承三种情况进行了状态监测试验，并采集了相应的振动信号。本文采用改进的小波阈值降噪方法对滚动轴承振动信号进行降噪预处理，该方法的核心思想为改进阈值选取原则以及阈值函数形式。改进的阈值选取原则理论上依据故障信号与噪声信号的小波系数在不同分解尺度上具有不同的特性；改进的阈值函数形式综合了软、硬阈值函数的优点。仿真与试验分析结果均证明该方法可以有效地去除信号中的噪声干扰，保留故障信号成分，为准确提取滚动轴承故障特征提供了有力保证。本文将经验模态分解（EMD）方法与Hilbert包络解调方法相结合，并将该方法应用于滚动轴承故障特征提取。通过滚动轴承故障诊断试验验证了该方法可以有效地提取滚动轴承故障特征频率。
【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】：2013
【分类号】：TH165.3;TH133.33

【参考文献】

中国期刊全文数据库前10条

1 马晓建,陈瑞琪,吴文英,周保堂,贺世正;机械故障诊断中常用解调方法的比较及应用[J];东华大学学报(自然科学版);2001年05期

2 王新;朱高中;;一种新型小波阈值法在信号消噪中的应用研究[J];高电压技术;2008年02期

3 李明喜;毛罕平;张艳诚;;基于提升小波变换和中值滤波的图像去噪方法研究[J];激光与红外;2007年10期

4 陈远贵;罗保钦;曾庆宁;;基于一种新的小波阈值函数的心音信号去噪[J];计算机仿真;2010年11期

5 林丽;余轮;;基于相关系数的EMD改进算法[J];计算机与数字工程;2008年12期

6 吴明赞,陈森发;基于组合神经网络的柴油机振动信号预测[J];机械工程学报;2002年04期

7 刘祖德;赵云胜;;矿井通风机实时监测与故障诊断系统研究[J];矿山机械;2007年06期

8 刘霞;潘洪屏;高晓春;吴伟龙;;基于小波阈值的地震信号去噪处理[J];科学技术与工程;2010年29期

9 王福友;刘刚;袁赣南;;基于小波阈值算法的海杂波信号去噪[J];雷达与对抗;2009年02期

10 陈炜峰,陆静霞;故障诊断技术及其发展趋势[J];农机化研究;2005年02期