基于RSSD和小波變換的滾動軸承故障診斷方法研究.pdf

1、滾動軸承是機器中應(yīng)用最廣泛的標(biāo)準(zhǔn)零件之一，也是容易出現(xiàn)失效的元件之一。滾動軸承工作的穩(wěn)定性對設(shè)備的工作狀態(tài)有較大的影響，其故障缺陷會造成機器產(chǎn)生不同程度的振動和噪聲，甚至導(dǎo)致設(shè)備損壞。為確保設(shè)備工作性能，對滾動軸承進行狀態(tài)監(jiān)測及振動分析技術(shù)已逐漸應(yīng)用于各類精密機械裝備。但軸承產(chǎn)生失效的原因復(fù)雜，早期故障信號能量微弱，振動噪聲明顯，因此對故障特征提取技術(shù)的研究一直是滾動軸承故障診斷的關(guān)鍵。
　　故障診斷的前提是針對故障機理的研究，本

2、文首先研究分析了滾動軸承故障沖擊的物理模型與振動機理，結(jié)合滾動軸承工作的實際狀況，指出滾動軸承故障的組成成分及其特性。針對滾動軸承故障振動信號呈現(xiàn)出非線性、非平穩(wěn)性及噪聲背景較強等特點，為了有效提取故障特征，本文提出了一種共振稀疏分解（Resonance-based sparse signal decomposition，RSSD）與小波變換相結(jié)合的振動信號特征提取技術(shù)。其中，共振稀疏分解是基于品質(zhì)因子可調(diào)小波變換與形態(tài)分量分析的一種新

3、的信號分解方法，與常規(guī)的基于頻帶劃分的信號分解方法不同，它依據(jù)信號各分量的振蕩形態(tài)不同對信號進行分解。
　　本文介紹了共振稀疏分解的基本思想，闡述了分解中不同參數(shù)對于分解結(jié)果的影響，提出了關(guān)鍵參數(shù)優(yōu)化的方法。通過仿真信號論述了共振稀疏分解在故障特征提取中的應(yīng)用方法及可行性；并通過滾動軸承仿真信號研究了基于優(yōu)化參數(shù)的信號共振稀疏分解方法。針對滾動軸承出現(xiàn)故障時背景噪聲較強，信號干擾較大，本文提出應(yīng)用小波降噪進行信號的預(yù)處理，然后應(yīng)用

4、RSSD方法進行信號分解及故障診斷。通過滾動軸承故障仿真試驗臺數(shù)據(jù)進行實踐分析，能夠一定程度獲得故障特征，但存在特征頻率及其倍頻幅值不占優(yōu)，信噪比不高的情況。
　　為進一步突出故障特征，本文提出RSSD與小波變換相結(jié)合的滾動軸承故障診斷方法，對信號共振稀疏分解得到的低共振分量繼續(xù)進行小波分析，得出更為貼近故障特征的重構(gòu)信號。通過兩類軸承試驗臺數(shù)據(jù)進行驗證分析，結(jié)果表明該方法能有效提取滾動軸承故障特征。
　　本文最后與一般典型