滾動軸承內(nèi)圈故障劣化狀態(tài)辨識的研究.pdf

1、隨著工業(yè)生產(chǎn)現(xiàn)代化的發(fā)展，設(shè)備維修方式正在逐步轉(zhuǎn)向預(yù)知維修，設(shè)備故障診斷技術(shù)是實現(xiàn)預(yù)知維修技術(shù)的保證。滾動軸承是現(xiàn)代工礦企業(yè)中常用的機械零件，在整個生產(chǎn)設(shè)備中起著關(guān)鍵的作用。為了對滾動軸承實現(xiàn)預(yù)知維修，保證其正常運行，需要準(zhǔn)確地發(fā)現(xiàn)故障類型，更需要及早地發(fā)現(xiàn)故障劣化程度，所以對滾動軸承內(nèi)圈故障劣化狀態(tài)辨識的研究具有重要的理論和應(yīng)用價值。 本文在廣泛收集相關(guān)資料的基礎(chǔ)上，提出將希爾伯特-黃變換(Hilbert-huang Tran

2、sform簡稱HHT)和球結(jié)構(gòu)支持向量機相結(jié)合應(yīng)用于滾動軸承內(nèi)圈故障劣化狀態(tài)的識別方面，并且對辨識結(jié)果進行可視化，充分驗證了這種方法是可行的。 本文主要做了以下幾方面的研究工作: 分析了滾動軸承的特征頻率、正常狀態(tài)的振動信號特征和內(nèi)圈故障的振動信號特征。搭建了滾動軸承故障診斷系統(tǒng)模型，采集了滾動軸承從正常、內(nèi)圈輕微故障、中度故障、重度故障逐步劣化的振動信號。 闡述了目前先進的時頻信號處理方法Hilbert-hua

3、ng的原理。采用EMD分解和小波分解對相同的仿真信號進行了分析和比較。使用Hilbert邊際譜和功率譜對滾動軸承內(nèi)圈故障的劣化狀態(tài)信號進行了分析，結(jié)果表明Hilbert譜分析有更高的分辨率，但是單靠譜分析還不能很好地識別滾動軸承內(nèi)圈故障劣化的程度，需要提取特征向量，并將其映射到高維空間進行模式識別。 EMD方法是一種自適應(yīng)的時頻分析方法，可以更準(zhǔn)確地把握信號的特征信息。本文采用內(nèi)稟模態(tài)能量熵和內(nèi)稟模態(tài)奇異值方法來提取滾動軸承內(nèi)圈

4、故障劣化程度的特征。通過比較結(jié)果，內(nèi)稟模態(tài)奇異值方法可以更有效地提取出滾動軸承內(nèi)圈故障的劣化程度特征，隨著滾動軸承內(nèi)圈故障逐步劣化時，奇異熵值逐步變小。 在此基礎(chǔ)上，研究了用球結(jié)構(gòu)支持向量機作分類器，對滾動軸承內(nèi)圈故障的劣化程度進行識別的理論和方法。同時對核函數(shù)問題進行了探討，表明徑向基核函數(shù)比較適合球結(jié)構(gòu)支持向量機。求出了不同故障程度下的類中心(即球心)及類半徑，研究了它們的變化規(guī)律。 此外，本文還利用主成份分析和基于