基于時(shí)頻分析與智能算法的滾動(dòng)軸承智能診斷方法.pdf

1、滾動(dòng)軸承作為機(jī)械設(shè)備最常用的零部件之一，它的健康狀態(tài)影響著設(shè)備的工作性能。因此，滾動(dòng)軸承狀態(tài)監(jiān)測(cè)和故障診斷一直是國(guó)內(nèi)外故障診斷領(lǐng)域的關(guān)注重點(diǎn)。
　　本文首先闡述了傳統(tǒng)時(shí)頻分析工具 Wigner-Ville分布的定義和性質(zhì)，并利用 WVD分布提取特征信息，針對(duì)利用Wigner-Ville分布對(duì)軸承振動(dòng)信號(hào)進(jìn)行特征提取后得到二維矩陣維數(shù)較高的問(wèn)題，利用 SVD進(jìn)行二次特征提取轉(zhuǎn)換為一維矩陣向量，并結(jié)合主成分分析對(duì)進(jìn)行降維，依照所需累計(jì)

2、貢獻(xiàn)率閾值選取前10維構(gòu)成特征向量，輸入到BP神經(jīng)網(wǎng)絡(luò)進(jìn)行自動(dòng)識(shí)別。實(shí)驗(yàn)結(jié)果表明，該智能診斷方法能夠以較滿意的精度識(shí)別滾動(dòng)軸承故障類型。
　　針對(duì)傳統(tǒng)時(shí)頻WVD會(huì)在處理多分量信號(hào)時(shí)產(chǎn)生交叉項(xiàng)干擾的問(wèn)題，提出一種新的時(shí)頻分析工具S變換處理滾動(dòng)軸承故障時(shí)的非平穩(wěn)信號(hào)。對(duì)來(lái)自鄭州鐵路局某貨車(chē)滾動(dòng)軸承故障TADS探測(cè)站檢測(cè)到的內(nèi)圈和外圈故障軸承聲音信號(hào)采用S變換得到時(shí)頻圖，從時(shí)頻圖像可以清晰地發(fā)現(xiàn)軸承外圈振動(dòng)信號(hào)中的沖擊成分，并能剖析振動(dòng)

3、信號(hào)頻率成分隨時(shí)間變化情況?；赟變換較好的時(shí)頻特性，提出利用S變換提取故障信號(hào)特征，對(duì)原始信號(hào)進(jìn)行S變換后采用SVD將二維矩陣轉(zhuǎn)換為一維特征向量，然后結(jié)合一種新的非線性流行學(xué)習(xí)方法局部保持投影對(duì)特征進(jìn)行降維，將降維后的特征輸入到徑向基神經(jīng)網(wǎng)絡(luò)自動(dòng)診斷。實(shí)驗(yàn)結(jié)果表明，該智能診斷方法能夠完全正確地診斷出滾動(dòng)軸承故障類型，具有較高的可靠性。
　　為滿足工程實(shí)際中變載荷工況下滾動(dòng)軸承智能診斷的需要，提出了一種基于包絡(luò)小波標(biāo)準(zhǔn)偏差包的智能