基于變分模態(tài)分解和廣義分形維數(shù)的滾動軸承故障診斷.pdf

1、現(xiàn)代工業(yè)生產(chǎn)設(shè)備的發(fā)展越來越大型化、復(fù)雜化、高速化和自動化。軸承是旋轉(zhuǎn)機械中最常用、也是最易損傷的零部件之一，其工作狀態(tài)直接影響著整臺設(shè)備的性能。由于其壽命的離散性較大，如果按照設(shè)計壽命對軸承進(jìn)行定期維修就會造成資源浪費和難以及時發(fā)現(xiàn)突發(fā)故障的情況，因此對其運行狀態(tài)檢測和故障診斷有著十分重要的意義。本文以滾動軸承振動信號為研究對象，提出了信號特征提取和故障診斷的方法。研究了分形理論和變分模態(tài)分解在滾動軸承故障中的應(yīng)用。
　　首先，

2、闡述了軸承故障的常見形式及其形成機理。接著對目前軸承振動信號進(jìn)行特征提取的方法和滾動軸承故障診斷的基本流程也進(jìn)行了詳細(xì)闡述。
　　其次，對分形理論和分形維數(shù)進(jìn)行詳細(xì)闡述，分析了軸承振動信號的分形特性，主要包括自相似性，標(biāo)度不變性以及多重分形特性。證明可以利用分形的方法來分析軸承振動信號的復(fù)雜度，定量的描述信號的分形特征。然后分別選取單重分形的盒維數(shù)和多重分形的廣義分形維數(shù)作為故障診斷的特征量，實現(xiàn)故障信號的狀態(tài)區(qū)分，此外，對單重分

3、形和多重分形故障診斷方法的優(yōu)缺點也做了詳細(xì)分析。
　　接著提出基于變分模態(tài)分解和廣義分形維數(shù)的軸承故障診斷方法。該方法是對廣義分形維數(shù)的延拓，要求先對信號進(jìn)行變分模態(tài)分解(Variational Mode Decomposition,VMD)，VMD是一種非遞歸、變分的模態(tài)分解方式，通過迭代搜尋變分模型的最優(yōu)解確定每個分量的頻率中心及帶寬來獲取分解分量，從而將信號自適應(yīng)分解地分解為若干模態(tài)函數(shù)(Mode Function,MF)，