滚动轴承是旋转机械中应用最为广泛的机械零件,也是最易损坏的元件之一。旋转机械的许多故障都与滚动轴承有关,轴承工作性能的好坏直接影响到与之相关联的轴以及安装在转轴上的齿轮乃至整台机器设备的性能。其缺陷通常使设备产生异常的振动和噪声,发展成故障就将造成设备损坏,甚至发生灾难性事故。因此,开展对滚动轴承的故障诊断具有很现实的意义。 本文从理论上分析总结了滚动轴承典型故障产生的机理,并建立了不同故障状态下的理论模型。滚动轴承的振动信号相当复杂,除反映有关轴承本身工作情况的信息外,也包含了大量机械中其它运动部件和结构的信息,因此如果仅仅只从时域或频域对滚动轴承的振动信号进行分析,则很难发现故障前后的变化,而联合时频域的特性来识别这类信号,提供时频域的综合信息,无疑会提高诊断的准确性和可靠性,于是提出并研究了一种新的滚动轴承故障诊断技术——基于小波分析的时频诊断法。 由于齿轮减速器内滚动轴承的振动信号对尺度比对时间更敏感,因此可以提取信号对尺度的特征信息;本文利用连续小波变换方法将滚动轴承振动信号的特征信息转化为能量谱与尺度的关系,进而建立尺度-能量相对应的特征向量,为滚动轴承的快速诊断提供了新方法。为了精确诊断故障类型,本文首次提出应用小波包多层分解、重构提取滚动轴承各部件的故障特征频率和各层最低结点的能量特征。根据小波包分析的特点、性质最大分解尺度下的低频系数代表着信号的发展趋势,借此可以粗略判断滚动轴承的运行状况是否正常,并且该方法可以提取任意频段的特征频率,有效抑制噪声,为强噪声背景下提取弱信号开辟了新思路。为了定性的评价提取的特征向量能否很好的表征振动信号,利用多参量模糊聚类的方法对滚动轴承进行故障诊断,结合所提取的特征频率,即可对故障进行了准确定位。经对大量实测数据的处理和分析,诊断结果是令人满意的,这说明小波包分析确实为滚动轴承故障诊断提供了强有力的分析手段。