论文部分内容阅读
滚动轴承作为直升机自动倾斜器的核心部件,一旦出现异常将影响直升机的正常飞行,因此,研究滚动轴承故障诊断方法对于保障直升机的安全性和可靠性具有重要意义。本文在航空科学基金的资助下,以某轴承厂开展的某型直升机自动倾斜器滚动轴承故障模拟实验台采集的振动数据为研究对象,采用自适应信号处理方法结合两种常见的信息熵对自动倾斜器滚动轴承进行故障诊断方法研究。主要工作内容和研究成果如下:(1)介绍了相关理论基础和预处理方法。首先,针对自动倾斜器滚动轴承与传统轴承不同之处,介绍了两种自适应信号分解方法的原理。然后,采用形态学滤波、奇异值分解滤波、小波滤波、最大相关峭度解卷积分别对振动数据进行预处理。最后,通过开展均方根误差和信噪比对比实验,结果表明奇异值分解滤波方法降噪效果最好。(2)利用VMD-SE和DE-ELM相结合开展直升机自动倾斜器滚动轴承故障诊断方法研究。首先,利用VMD对正常状态、内圈故障、外圈故障和滚珠故障的振动数据进行分解;然后,提取前四个分量的样本熵构成特征向量;最后,将训练集输入DE-ELM构造训练模型,再将测试集输入模型进行故障诊断。对不同刻伤、不同载荷条件下的振动数据进行大量的故障诊断实验,证明了DE-ELM在隐含层节点数较少情况下的优势,同时验证了本文方法的有效性和适应性。(3)针对CEEMDAN方法的缺点,提出一种改进型CEEMDAN方法对自动倾斜器滚动轴承进行故障诊断。首先,利用改进型CEEMDAN对正常状态、内圈故障、外圈故障和滚珠故障的振动数据进行分解;然后,提取前四个分量的排列熵构成特征向量;最后,将训练集输入SVM构造训练模型,再将测试集输入模型从而达到故障诊断的目的。对不同刻伤、不同载荷条件下的振动数据进行了大量故障诊断实验,结果表明改进型方法能有效提高故障识别率,在小样本情况下效果更明显。