基于LMD的谱峭度算法在滚动轴承故障诊断中的应用研究

发布时间：2017-07-19 23:09

  本文关键词：基于LMD的谱峭度算法在滚动轴承故障诊断中的应用研究

  更多相关文章： 滚动轴承 局域均值分解 Hilbert变换 谱峭度 包络分析

【摘要】：滚动轴承作为机械设备中重要的旋转零件,是机械设备的重要故障源之一。因此,对滚动轴承进行状态监测和故障诊断具有重要的意义。完整的滚动轴承故障诊断过程包括信号测取、特征提取、故障诊断(状态分析)、决策干预等四个环节。本文通过对滚动轴承故障机理的研究,针对滚动轴承故障振动信号的非平稳调制特性,引入了新的时频分析方法——局域均值分解,并进一步将其与谱峭度相结合应用于滚动轴承故障诊断中。本文的主要研究内容如下:首先研究了局域均值分解方法,其原理是将非平稳非线性的多分量信号分解成一系列的PF分量,所有PF分量瞬时幅值和瞬时频率的组合便是原始信号的时频分布。编写了matlab程序,选取两种不同类型的信号进行了仿真验证,同时进一步引用美国西储大学的轴承故障数据进行了实验验证。其次针对滚动轴承故障振动信号滤波分析时,滤波参数无法准确确定,只能依靠历史数据和人工经验这一问题,引入了基于局域均值分解的谱峭度算法。该算法首先采用局域均值分解法对原始信号进行时频分析;其次依据信号的时频分布选取一定的尺度,将信号分解成若干个相异的频段并计算其谱峭度;然后利用Matlab画出对应的峭度图,根据峭度最大原则选择最佳的滤波频段进行FIR滤波;最后对滤波后的信号进行包络分析,从而提取出信号的调制信息。编写了该算法的matlab程序,选取多分量信号进行了仿真验证,同时进一步引用美国西储大学的轴承故障数据进行了实验验证。最后借助精密机电研究所旋转机械故障检测平台测取了圆柱滚子轴承内圈故障、外圈故障、滚动体故障和正常轴承的振动信号实验数据,利用基于局域均值分解的谱峭度算法对滚动轴承的内圈、外圈、滚动体故障以及正常轴承进行了分析。四个实验分别成功地提取到了滚动轴承内圈、外圈和滚动体的故障频率以及正常运行时的固有振动频率。从实验中验证了基于局域均值分解的谱峭度算法在滚动轴承各部件故障诊断中的可行性。
【关键词】：滚动轴承 局域均值分解 Hilbert变换 谱峭度 包络分析
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH17
，

本文编号：565230