熵選擇IMF分量的滾動(dòng)軸承故障診斷方法.pdf

1、滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械的關(guān)鍵組成部分，也是極容易損壞的部件之一，長(zhǎng)期以來(lái)，對(duì)旋轉(zhuǎn)機(jī)械滾動(dòng)軸承的故障診斷一直是業(yè)內(nèi)研究的重點(diǎn)和難點(diǎn)。通過(guò)分析旋轉(zhuǎn)機(jī)械運(yùn)行過(guò)程中產(chǎn)生的振動(dòng)信號(hào)可以實(shí)現(xiàn)對(duì)滾動(dòng)軸承的故障診斷。絕大多數(shù)旋轉(zhuǎn)機(jī)械都是在變轉(zhuǎn)速工況下運(yùn)行的，因此所產(chǎn)生的振動(dòng)信號(hào)大部分都是非平穩(wěn)信號(hào)。當(dāng)滾動(dòng)軸承發(fā)生故障時(shí)，這些變轉(zhuǎn)速信號(hào)將會(huì)表現(xiàn)的更加明顯，并且其中包含豐富的故障特征信息。然而現(xiàn)有的信號(hào)處理方法并不能有效地完成變轉(zhuǎn)速工況下滾動(dòng)軸承的故障診斷。<

2、br>　　本文在對(duì)現(xiàn)有的信號(hào)處理方法進(jìn)行研究的基礎(chǔ)上，提出了熵選擇IMF分量的滾動(dòng)軸承故障診斷方法。該方法將EMD分解、香農(nóng)熵、傅里葉變換、階比跟蹤以及包絡(luò)解調(diào)等方法進(jìn)行了有機(jī)結(jié)合，實(shí)現(xiàn)了對(duì)變轉(zhuǎn)速工況下振動(dòng)信號(hào)的處理與分析，最終利用分析結(jié)果完成了對(duì)變轉(zhuǎn)速工況下滾動(dòng)軸承的故障診斷，該方法的具體步驟如下。
　　首先，利用EMD分解方法對(duì)采集到的振動(dòng)信號(hào)進(jìn)行預(yù)處理，將其自適應(yīng)的分解為一系列的本征模函數(shù)，即IMF分量。該方法可以將原振動(dòng)信

3、號(hào)分解為不同頻率成分的振動(dòng)信號(hào)，起到了濾波的作用。
　　其次，選擇合適的IMF分量分別提取滾動(dòng)軸承的轉(zhuǎn)速信息與進(jìn)行滾動(dòng)軸承的故障診斷。為了更好的實(shí)現(xiàn)對(duì)故障信號(hào)的提取分析，首先需要求出EMD分解之后得到的各IMF分量的香農(nóng)熵，然后根據(jù)香農(nóng)熵值的大小判斷信號(hào)的無(wú)序性程度。香農(nóng)熵值越小，信號(hào)越有序;香農(nóng)熵值越大，信號(hào)越無(wú)序。當(dāng)滾動(dòng)軸承發(fā)生故障時(shí)，其故障表面與其它元件相接觸時(shí)會(huì)發(fā)生周期性的撞擊，從而產(chǎn)生間隔均勻的脈沖，因此本文選擇香農(nóng)熵值

4、最小的IMF分量提取滾動(dòng)軸承的故障特征。轉(zhuǎn)速信息一般位于信號(hào)的低頻段，僅僅利用香農(nóng)熵值的大小很難判斷信號(hào)頻率的分布情況，所以需要對(duì)IMF分量做FFT變換，了解各IMF分量的頻率分布，進(jìn)而選擇合適的分量來(lái)提取振動(dòng)信號(hào)中的轉(zhuǎn)速信息。
　　最后，提取故障特征，對(duì)滾動(dòng)軸承進(jìn)行故障診斷。利用提取的轉(zhuǎn)速信息對(duì)熵值最小的IMF分量做等角度重采樣，將其從時(shí)域非平穩(wěn)信號(hào)轉(zhuǎn)換為角域平穩(wěn)信號(hào)，對(duì)角域平穩(wěn)信號(hào)做包絡(luò)解調(diào)，得到包絡(luò)階比譜，判斷滾動(dòng)軸承的故障