基于分形分析的軸承故障狀態(tài)分類研究.pdf

1、在軸承的狀態(tài)監(jiān)測與故障診斷研究中，最主要的就是要找到最能體現(xiàn)軸承故障本質(zhì)的特征量，故障特征的選則和提取是軸承故障研究中的關(guān)鍵之一。本論文選取能體現(xiàn)信號復雜程度的分形維數(shù)作為特征量，并分別從信號的時域和頻域來計算信號的分形維數(shù)。
　　 第一章首先闡述了軸承故障診斷技術(shù)的選題背景與意義，以及軸承故障診斷系統(tǒng)中主要的研究內(nèi)容；然后簡要地介紹和比較了現(xiàn)有的檢測方案與所采用的技術(shù)手段；然后分析了振動信號分析的處理方法。包括傳統(tǒng)振動信號處理

2、方法：時域統(tǒng)計量分析、Fourier分析、倒頻譜分析、包絡(luò)分析等方法；現(xiàn)代信號處理方法：短時Fourier變換、小波變換、雙線性時頻分析、循環(huán)平穩(wěn)分析、分形分析，并分析了各種方法的優(yōu)缺點與適應范圍。
　　 第二章首先介紹了軸承的主要失效類型包括：磨損失效、疲勞失效、斷裂失效、塑性變形失效等。接著重點計算了軸承在不受軸向力和受軸向力時的外圈故障特征頻率、內(nèi)圈故障特征頻率和滾子故障特征頻率。最后研究了軸承發(fā)生故障時，軸承振動信號的時

3、域特性。
　　 第三章選用了一種與盒維數(shù)等價的網(wǎng)格維數(shù)來進行軸承振動信號的特征提取，通過改變采樣點數(shù)，計算出選取不同采樣點數(shù)的振動信號的網(wǎng)格維數(shù)，由不同的采樣點數(shù)計算出的網(wǎng)格維數(shù)組成軸承狀態(tài)的特征向量，并進一步建立軸承狀態(tài)模式空間，根據(jù)未知軸承狀態(tài)的特征向量與模式空間中的特征向量之間的距離大小來判斷未知狀態(tài)與已知狀態(tài)的接近程度。
　　 第四章主要研究了基于小波變換的分形方法在軸承狀態(tài)分類中的應用。首先對信號進行二進離散小