论文部分内容阅读
滚动轴承是各类机电设备中常用的零部件,对其进行故障监测和诊断是故障诊断技术领域的研究热点。本文采用小波变换、经验模态分解、自回归模型的理论和方法,对滚动轴承故障诊断领域的时频分析法及模式识别法进行了深入研究。1、研究了基于Morlet小波的滚动轴承故障诊断方法。首先分析了Morlet小波的外形特点,然后将平滑指数(SI)法引入轴承故障诊断中,在将熵值法、峭度值法和平滑指数法进行详细对比分析的基础上,提出了一种将平滑指数、峭度值、熵值相结合寻找最佳小波尺度的算法,并将该算法应用到实测信号诊断中。2、将小波包方法应用到滚动轴承故障诊断中。在Coifman和Wickerhauser最佳基搜索算法基础上,提出了以小波包分解后节点的能量作为寻找最佳节点的方法。实测信号分析表明,该算法计算简单,分析效果理想。3、将小波包和Hilbert-Huang变换相结合,对滚动轴承进行了故障诊断。对小波包重构后的信号进行EMD分解,得到各阶IMF分量和残差,保留和小波包重构信号互相关系数较大的IMF分量,然后对保留下来的各阶IMF分量进行谱分析,抽取故障特征频率及其倍频。将该算法应用到各种故障类型和正常轴承的检测中,均正确检测到了故障特征频率。4、对滚动轴承的故障模式识别方法进行了研究。将小波包、EMD分解和AR模型法应用到滚动轴承故障诊断中。在诊断之前,首先进行小波包去噪,然后进行EMD分解,再建立AR模型。模型建立之后,以待测信号和样本信号的M距离为判别依据,诊断轴承状态。计算综合M距离时,引入一种新的权重系数分配方法—互相关系数法。实测信号分析表明,该方法能正确识别轴承的故障状态。最后总结了本文的研究成果,并指出了需要进一步进行的研究工作。