基于小波变换的轴承故障诊断及预测方法研究

发布时间：2020-12-09 17:24

　　轴承对于保证整个机械系统的安全、稳定运行起着相当关键的作用,针对轴承所开展的故障诊断技术对机械系统、机械设备的正常运转意义重大。以轴承故障模拟实验为基础,介绍了一种轴承故障模拟平台,在此平台上完成了部分轴承故障诊断实验,并运用小波分析方法对模拟实验振动信号进行小波分解与小波去噪。同时本文提出了一种小波变换与EMD相结合的方法,运用MATLAB小波工具箱对诊断信号进行小波分解,将分解后的细节信号进行EMD模态分解以及包络谱分析。运用此方法对滚动轴承各类故障状态进行检测,能够有效判断轴承的故障类型。 

【文章来源】：电气开关. 2020年03期 第23-29页

【文章页数】：7 页

【部分图文】：

轴承三维模型如图

采用人工处理的轴承外圈故障状态下，轴承开始出现滚动轴承外圈的故障状态下的模拟实验，分析并处理其振动信号，从未获取轴承发生故障时的振动加速度信号来辨别故障原因。实验拟安装两个INV9822加速度传感器，安装位置如图2所示。利用BNC—M5导线将INV9822加速度传感器接入试验仪的第8和第9通道，并用USB线连接试验仪和电脑。用工程测试模块进行数据采集。主要参数如下:

图3是加速度传感器从待测轴承外圈上采集的运转时的振动信号时域波形图，从图中看不出任何周期性和故障特征，对此信号进行小波分解。首先对采集到的振动信号进行小波分解。调用MATLAB软件中的wavemenu小波工具箱，在小波工具箱中开打．mat格式的振动加速度信号。选用Daubechies小波作为基函数，并取小波序号N值为4，即db4小波。对振动加速度信号进行5层小波分解，分解结果如图4所示。用小波变换分析此轴承振动信号，其中的d1、d2、d3、d4、d5为细节信号，a5为近似信号，对应频带为d1(500～1000Hz),d2(250～500Hz),d3(125～250Hz),d4(62.5～125Hz),d5(31.25～62.5Hz),a5(0～31.25Hz)。外圈故障振动加速度信号S的db4小波分解可表示为:

【参考文献】：
期刊论文
[1]一种改进的小波分析消噪方法及其在健康监测中的应用[J]. 赵晓燕,李宏男.  振动与冲击. 2007(10)

博士论文
[1]故障旋转机械动力学及诊断技术中若干问题的研究[D]. 姚红良.东北大学 2006



本文编号：2907213