论文部分内容阅读
轴承在工业领域中应用广泛,大量装备于各种设备中,但同时也是最易损坏的零件,当其出现问题时,易导致整个设备的失效,因此对其状态监测及故障诊断具有重要意义。本文从故障信号预处理、特征提取和优化,特征识别三个方面出发,实现轴承故障诊断。当轴承出现故障时,其振动信号往往能量较小,容易与噪声混叠,且出现非平稳性,最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)以相关峭度为指标,充分考虑了信号所含冲击成分的周期特性,通过迭代过程实现解卷积运算,突