基于振動信號分析的滾動軸承故障特征提取與診斷研究.pdf

1、煤炭是我國的主體能源，在國民經(jīng)濟發(fā)展中具有重要的戰(zhàn)略地位。電牽引采煤機是現(xiàn)代化礦井綜采裝備的核心，關(guān)系到煤礦安全高效生產(chǎn)。但國產(chǎn)采煤機故障頻發(fā)，故對其監(jiān)測和故障診斷關(guān)鍵技術(shù)進行研究迫在眉睫。滾動軸承作為采煤機的關(guān)鍵零部件，是重要的故障源之一，準確判斷其運行狀態(tài)直接關(guān)系到整個采煤機的安全生產(chǎn)。研究滾動軸承的故障診斷技術(shù)，對于確保安全高效生產(chǎn)，避免重大事故的發(fā)生具有重要的意義。
　　本文首先分析了滾動軸承的幾種主要失效形式及其成因。詳

2、細闡述了滾動軸承故障特征頻率計算公式的導(dǎo)出過程，總結(jié)了滾動軸承典型故障振動信號的特點。以內(nèi)環(huán)故障的振動信號為例，對經(jīng)典的滾動軸承振動診斷方法進行了分析。其次在奇異值分解(Singular Value Decomposition,SVD)基本原理及算法實現(xiàn)的基礎(chǔ)上，研究并驗證了奇異值分解探測周期信號和提取突變信號的方法。將SVD用于信號 Hilbert變換后的幅值譜和相位譜的降噪，為降噪分析提供了一種思路，并通過實驗信號進行了驗證。對于含

3、有大量隨機噪聲及脈沖干擾的振動信號，提出了一種基于快速傅里葉變換(Fast Fourier Transform,FFT)和SVD的降噪方法，實驗信號分析結(jié)果表明該方法要優(yōu)于直接對信號進行SVD降噪處理，降噪效果良好。
　　然后，研究了經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)和Hilbert譜的基本原理，詳細分析了EMD方法中存在的重要問題：模態(tài)混合、端點效應(yīng)、易受噪聲影響，并分別采用EEMD

4、方法、極值點延拓加窗的方法、FFT-SVD預(yù)處理降噪方法進行了改進，仿真信號分析表明改進效果良好。采用基于交叉驗證的遺傳算法對支持向量機中懲罰因子C和核函數(shù)參數(shù)γ進行尋優(yōu)，構(gòu)建了最優(yōu)分類模型。將上述方法結(jié)合，建立滾動軸承故障識別的穩(wěn)定模型，實驗信號的分類結(jié)果表明該模型能較好的識別故障類型。最后，針對實際運用中軸承故障類型樣本較難獲取的境況，提出了一種基于關(guān)聯(lián)度的軸承故障與否的判別方法，并以不同類型的實驗信號驗證了該方法的有效性。