多轉(zhuǎn)子軸承復(fù)雜路徑下微弱故障特征提取方法研究.pdf

1、航空發(fā)動機(jī)是飛機(jī)、飛艇等航空裝置的動力提供設(shè)備，主軸軸承作為航空發(fā)動機(jī)的重要組成部分，長期在高溫、高壓、高轉(zhuǎn)速等復(fù)雜條件下運行，對航空裝置的飛行安全起著至關(guān)重要的作用。一旦軸承發(fā)生故障，將直接危及航空裝置的飛行安全，甚至造成嚴(yán)重的經(jīng)濟(jì)損失。因此，對航空發(fā)動機(jī)主軸軸承開展故障監(jiān)測具有重要意義。
　　本文主要從一維信號和升維信號兩個角度對主軸軸承故障診斷方法開展了研究分析。
　　在一維振動信號故障診斷方法方面，本文首先引入了多分

2、辨分析的經(jīng)驗?zāi)B(tài)分解算法，它利用多通道的振動信號同時進(jìn)行分解，彌補(bǔ)了傳統(tǒng)經(jīng)驗?zāi)B(tài)分解算法中出現(xiàn)“模式混疊”的不足，實現(xiàn)故障特征頻率有效提取;其次，本文從熵和能量的角度出發(fā)，利用小波包樣本熵以及短時能量奇異值分解方法分別提取兩類特征參數(shù)，經(jīng)驗證，提取的兩類特征參數(shù)具有計算簡單，抗噪能力強(qiáng)等優(yōu)點，同時能夠有效處理故障早期和低信噪比情況下的軸承振動信號;最后，本文將提取出的特征參數(shù)值與極限學(xué)習(xí)機(jī)相結(jié)合，實現(xiàn)軸承狀態(tài)的有效識別。
　　在升

3、維信號故障診斷方法方面，本文充分利用了軸承振動信號轉(zhuǎn)換為灰度圖像所具有的紋理特性，提出了基于圖像信號的軸承故障診斷方法，為軸承故障診斷提供了一種新的思路。一維振動信號在轉(zhuǎn)換為二維灰度圖像時，信號的幅值轉(zhuǎn)換為圖像的灰度值，周期性沖擊產(chǎn)生的故障振動信號轉(zhuǎn)換為圖像灰度紋理的變化。首先，本文引入了尺度變換特征不變(ScaleInvariant Feature Transform，SIFT)算法，通過SIFT算法對軸承圖像信號提取特征向量，構(gòu)建特

4、征字典庫并進(jìn)行圖像分類，最終達(dá)到軸承故障診斷的目的;其次，針對SIFT算法對振動信號數(shù)據(jù)長度較為依賴的局限，本文對一定長度的軸承圖像信號進(jìn)行圖像濾波處理，并引入了對圖像模糊具有較好處理效果的加速穩(wěn)健特征（Speeded Up Robust Features，SURF）算法，彌補(bǔ)圖像濾波帶來的“虛化”效果，增加提取特征向量個數(shù)，提高故障診斷識別準(zhǔn)確率;最后，本文通過引入灰度共生矩陣將抽象的灰度紋理特征轉(zhuǎn)換為具化的數(shù)值特征，在不同方向上對灰