基于振动信号非线性方法的轴承故障诊断研究

论文摘要

滚动轴承在旋转机械中应用广泛,是较易损坏的零件之一。它的运行工况直接影响着机械系统是否能够正常运行。滚动轴承故障信号是非平稳、非线性的,而且因受到随机噪声的干扰而难以检测。针对这种状况,本文将小波软硬阈值折中消噪法、时频分析的新方法——希尔伯特黄变换(HHT)和模式识别的新技术——支持向量机(SVM)相结合应用于滚动轴承故障诊断中。HHT分析法包含经验模态分解(EMD)和希尔伯特谱分析两部分。基于HHT的这一特点,提出了两种不同的方法提取故障信号特征来进行故障诊断。一种是基于Hilbert边际谱的故障特征频率提取的故障诊断方法。采集的故障信号首先进行消噪预处理,然后经过自适应的EMD分解和Hilbert变换得到故障信号的Hilbert边际谱,从而获得轴承故障的特征频率进行故障诊断。另一种方法是基于EMD的IMF能量特征向量提取和支持向量机相结合的智能诊断方法。该方法是把消噪后的振动信号进行自适应性的EMD分解得到的若干个固有模特态(IMFs)分量,然后提取IMFs的能量特征向量作为支持向量机的输入进行故障诊断。在Matlab平台上对滚动轴承故障信号的仿真结果表明:与直接进行HHT分析相比较,小波消噪和HHT分析法相结合的方法能够更有效的提取滚动轴承的微弱故障特征信息,并且结合支持向量机能够在小样本的情况下精确的对滚动轴承的工作状态和故障类型进行智能识别。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景及意义
• 1.2 滚动轴承故障诊断技术综述
• 1.2.1 滚动轴承故障诊断技术发展概况
• 1.2.2 滚动轴承故障诊断技术内容和方法概述
• 1.3 HHT时频分析法
• 1.3.1 传统的时频分析法
• 1.3.2 HHT时频分析法的提出
• 1.4 本文主要研究内容
• 第二章 滚动轴承故障特征分析
• 2.1 滚动轴承故障形式及成因
• 2.2 滚动轴承的振动基本参数
• 2.2.1 滚动轴承的故障特征频率
• 2.2.2 滚动轴承的固有振动频率
• 2.3 滚动轴承振动信号特征
• 2.3.1 正常轴承振动信号特征
• 2.3.2 内圈有缺陷时的振动信号特征
• 2.3.3 外圈有缺陷时的振动信号特征
• 2.3.4 滚动体有缺陷时的振动信号特征
• 2.4 振动信号的测取
• 2.5 本章小节
• 第三章 小波消噪在滚动轴承故障诊断中的应用
• 3.1 小波变换理论
• 3.1.1 连续小波变换
• 3.1.2 二进小波
• 3.1.3 多分辨率分析及MALLAT算法
• 3.2 小波消噪的基本原理方法
• 3.2.1 小波阈值消噪的方法步骤
• 3.2.2 小波基和分解尺度的选择
• 3.2.3 阈值的确定和处理
• 3.3 消噪评价标准
• 3.4 实验结果与分析
• 3.5 本章小节
• 第四章 HHT分析法在滚动轴承故障诊断中的应用
• 4.1 基本概念
• 4.1.1 瞬时频率
• 4.1.2 本征模态函数
• 4.2 HHT分析法的基本原理
• 4.2.1 EMD方法基本原理
• 4.2.2 Hilbert谱和Hilbert边际谱
• 4.2.3 HHT变换仿真分析
• 4.3 小波消噪和HHT分析法对轴承故障的诊断
• 4.3.1 滚动轴承外圈故障的诊断
• 4.3.2 滚动轴承内圈故障的诊断
• 4.4 轴承故障IMF能量特征向量的提取
• 4.4.1 IMF能量特征提取的步骤
• 4.4.2 IMF能量特征提取结果与分析
• 4.5 本章小节
• 第五章 基于支持向量机的滚动轴承故障诊断
• 5.1 支持向量机概述
• 5.1.1 广义最优分类面
• 5.1.2 支持向量机核函数
• 5.1.3 支持向量机多值分类法
• 5.2 应用支持向量机对轴承故障的模式识别
• 5.2.1 滚动轴承故障诊断SVM模型的建立
• 5.2.2 轴承故障模式识别结果与分析
• 5.3 本章小节
• 第六章 总结与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文