發(fā)布時間：2020-07-19 21:14

【摘要】：滾動軸承被廣泛地應用在各種工業(yè)現(xiàn)場中,它的運行狀態(tài)直接影響到整臺機器的功能,因此,它的早期故障診斷具有非常重要的意義,對于滾動軸承的早期故障,信號中包含的故障信息一般很微弱,常常淹沒在噪聲信號中,因此能否有效地降低噪聲提高信噪比,有效地增強故障弱信號是進行滾動軸承早期故障診斷的關鍵。 本課題在總結和汲取他人研究成果的基礎上,提出一種基于譜峭度和經(jīng)驗模態(tài)分解(EMD)方法,以從滾動軸承振動信號中獲取的故障數(shù)據(jù)為基礎,進行早期故障弱信號增強,提前診斷出滾動軸承故障,從而提高故障診斷水平和效率,保證機械系統(tǒng)運行的穩(wěn)定性和安全性,本文包括以下內容: 首先針對譜峭度缺乏自適應性和EMD存在模態(tài)混疊、在低頻段產生多余IMF分量等問題,提出譜峭度和EMD相結合的方法,利用譜峭度對故障脈沖信號敏感能夠有效增強故障脈沖信號減少噪聲的優(yōu)勢,在增強故障脈沖信號減少噪聲干擾的基礎上與EMD方法相結合,有效解決了EMD方法受各種干擾的問題,能夠有效提高EMD分解的效率和精度,進一步提高了故障診斷水平。 然后把基于譜峭度和EMD方法應用到加噪仿真信號和滾動軸承早期故障診斷中,實驗結果證明,基于譜峭度和EMD方法在加噪仿真信號和滾動軸承早期故障弱信號增強中取得了很好的效果,因此,該方法對滾動軸承早期故障弱信號增強具有重要意義,具有良好的應用前景。
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2009
【分類號】：TH133.33;TH165.3
【圖文】：

( )( ) ( )20,22=expa bt b f t bta aσ πψ + (2公式(2-17)的傅立葉變換為：( )22 202= expafaf faπψ σ πσ (2由公式(2-18)可知經(jīng)過平移和尺度伸縮之后小波形狀參數(shù)和中心頻率都變1a，根據(jù)公式(2-15)-(2-18)可知小波形狀是由σ 、a、0f 共同決定。其中定著小波的帶寬；0f 、a決定著小波中心頻率。如何選擇 Morlet 小波最我們應用上面基于短時傅立葉變換的譜峭度思想，把譜峭度引入到 Mor對其參數(shù)進行優(yōu)化，根據(jù)譜峭度變化尋找 Morlet 小波的最佳匹配參數(shù)最增強故障弱信號中的沖擊衰減成分，從而獲得最優(yōu)的增強效果。由公式(2-13)可知連續(xù)小波變換系數(shù)fWT 表示了小波與處在該分析時段內形相似程度，圖 2-3 為小波變換系數(shù)計算示意圖。

二倍頻分解樹實際上是頻域分析中頻率的一種相對尺度。本文采用二倍頻分解樹方法構造多個不同帶寬和中心頻率的帶通濾波器，使這些帶通濾波器的帶寬覆蓋整個分析頻帶。二倍頻分解樹形式如圖 2-4 所示。假設整個分析頻帶為 f ，k 為分解的層次，所以每層有 2k個帶寬；ikc 為第 k 層分解出來的第 i 個系數(shù)， i 為第 k 層分解個數(shù)，i = 0 ... 2 1k，， 。所以對于第k 層第i個ikc 系數(shù)對應的中心頻率為：( )1 12 2kif f i = × + (2-20)第k 層第i個ikc 系數(shù)對應的帶寬為：( )12kkf f = × (2-21)二倍頻分解樹的分解層次[41]：log 2 7Nk < (2-22)

故障診斷具有非常重要的意義，對于般很弱，常常淹沒在噪聲信號中，增強故障弱信號是進行滾動軸承早期機理和故障類型動機理振動機理前，首先介紹一下滾動軸承圖可見，滾動軸承是由內圈、外圈間裝有若干滾動體，通過保持架使，內圈裝載軸頸上，外圈裝在軸承是滾動軸承的核心組件，當內外圈內外圈上的滾道多為凹槽形，它起。保持架將滾動體均勻地隔開，以

【引證文獻】

相關期刊論文 前1條

1 周云龍;劉旭;李洪偉;;基于經(jīng)驗模式分解的氣液二相流研究[J];化學工程;2011年10期

相關碩士學位論文 前2條

1 王小玲;頻帶熵方法及其在滾動軸承故障診斷中的應用[D];上海交通大學;2012年

2 何亮;基于EMD技術的滾動軸承故障診斷研究[D];大連理工大學;2012年

本文編號：2762978