论文部分内容阅读
在当代中国各类经济行业中,尤其是在制造、运输、能源、冶炼、石油、国防科技等行业中的核心零部件,其工作环境大多具有腐蚀、高温、高压等复杂、恶劣的环境特点,设备中的核心零部件和重要机械结构不可避免的会发生不同程度的故障。轴承由于其零件所在位置的特殊性,往往容易发生疲劳剥落和点蚀等故障,一旦发生故障,则会导致严重的经济财产损失,减少设备的运行寿命。因此本文主要针对滚动轴承故障信号作为研究对象,对故障信号的降噪与解调方法进行研究和讨论,论文的主要工作内容包括:(1)分析了滚动轴承故障信号处理中常用到的几种降噪方法,对比了小波与小波包相关的降噪理论,针对故障信号中往往含有大量背景噪声难以去除的情况,提出了基于小波包熵值与EMD分解相结合的降噪方法,该方法在经过小波包熵值的有效降噪后再进行EMD分解,能够自适应的从故障信号中提取出微弱的故障成分。(2)提出了基于小波包熵值与自相关分析相结合的降噪方法,利用自相关分析能够突出故障信号周期性的特性,将小波包熵值降噪法与之相结合,在小波包熵值降噪去除大量噪声的同时利用自相关分析进一步抑制噪声,在保留原有故障调制信息的基础上突出信号的周期性。(3)对比了各类信号解调方法的优缺点,分析了在相同降噪方法下,能量算子解调法与Hilbert解调法的解调效果,结合以上两种信号降噪分析方法,提出了基于小波包熵值与EMD的能量算子解调法;基于小波包熵值与自相关分析的能量算子解调法,从而准确的判断故障位置。(4)引入EMD与EEMD多分量分析,将小波包熵值降噪,自相关分析,能量算子解调法与之结合起来,提出了一种基于多分量分析与自相关分析相结合的故障信号能量算子解调法,该方法在小波包熵值有效降噪基础上,能够对故障信号进行有效的解调,实现对故障位置的判别。本文的研究工作为旋转机械故障信号的解调分析和诊断提供了一条新的方法思路,对于滚动轴承故障信号的解调处理上具有一定的参考。