基于随机共振与EMD技术的滚动轴承故障诊断

摘要

滚动轴承作为一种重要的旋转零部件，对整个机械装置的运行状态有十分重要的影响。但是由于恶劣的工作环境，滚动轴承的故障特征信息经常淹没在强噪声中很难提取。虽然有很多信号处理的方法都在滚动轴承故障特征提取及诊断方向取得了良好的应用效果，但依然存在着诸多问题。例如，EMD方法有时会出现模态混叠现象，并不能成功分解特征信号；研究随机共振方法时，背景噪声大多是高斯白噪声，而实际工程中包含了各种各样的噪声；随机共振的研究中多以信噪比为评价指标，但该指标需要提前知道精确的故障特征频率。这些问题都将直接影响到微弱特征信号的提取，进而对滚动轴承的故障诊断造成困难。根据上述问题，本文采用随机共振与EMD技术对强噪声背景下滚动轴承故障特征提取及故障诊断进行了研究，具体内容如下： (1)白噪声背景下基于随机共振与EMD技术的滚动轴承故障诊断。用EMD方法来分解多频信号时，有时并不能成功分解并出现模态混叠现象。因此，本论文提出基于周期势自适应随机共振和EMD结合的方法来分解双频信号。同时，将双稳态自适应随机共振和EMD结合的方法与周期势自适应随机共振和EMD结合的方法作对比。仿真信号和实验信号的结果表明双稳态自适应随机共振和EMD结合的方法也容易产生模态混叠，而周期势自适应随机共振和EMD结合的方法能较好的分解多频特征信号。 (2)有界噪声背景下基于随机共振的低速滚动轴承故障诊断。有界噪声是实际工程中一种比较常见的噪声。本论文以有界噪声为背景，用随机共振方法来进行低速滚动轴承的故障诊断。具体研究三种情况，分别是有界噪声频率远大于信号频率、有界噪声频率大于且接近信号频率和有界噪声频率接近且小于信号频率的情况。研究结果表明，当有界噪声频率远大于信号频率时，随机共振效果较好；当有界噪声频率大于且接近信号频率时，故障频率依然可以识别但含有较多干扰成分；有界噪声频率接近且小于信号频率时，随机共振效果不佳，需要引入振动共振和辅助信号来辅助提取故障特征信息。 (3)基于改进信噪比随机共振的滚动轴承故障诊断。在随机共振中，经典的评价指标是信噪比。但是，计算经典的信噪比需要提前知道故障特征频率，而在工程实际中，需要检测得到的精确特征频率并不能提前知道。因此，本论文提出改进的信噪比指标，这种新指标不需要提前知道精确的特征频率，只需根据对应型号的滚动轴承和故障类型的计算公式得到故障理论频率，即可在故障理论频率附近的范围内搜索到实际的故障精确频率。通过对比基于经典信噪比的随机共振与基于改进信噪比的随机共振方法，仿真信号和实验信号都证明了该方法的可行性和有效性。 (4)基于LabVIEW和MATLAB的滚动轴承故障智能诊断系统。根据前一章中提出的基于改进信噪比随机共振的滚动轴承故障诊断方法，用LabVIEW和MATLAB混合编程制作滚动轴承故障智能诊断系统。在界面上只需输入滚动轴承型号、滚动轴承结构参数以及转速，就能完成基于改进信噪比随机共振的滚动轴承故障智能诊断，实现故障特征的提取及故障类型判别。

目录

声明

致谢

变量注释表

1 绪论

1.1.1 课题来源

1.1.2 课题研究意义

1.2.1 滚动轴承故障诊断研究现状

1.2.2 随机共振与EMD的研究现状

1.3论文研究内容和章节安排

2 白噪声背景下基于随机共振和 EMD 技术的滚动轴承故障诊断

2.1引言

2.2EMD和随机共振的基础理论

2.2.1 EMD理论

2.2.2 随机共振理论

2.3BSR与EMD和PSR与EMD方法对比

2.3.1 周期势系统自适应随机共振与EMD结合的方法

2.3.2 仿真信号验证

2.3.3 实验信号验证

2.4本章小结

3 有界噪声背景下基于随机共振的低速滚动轴承故障诊断

3.1引言

3.2有界噪声模型和二次采样法介绍

3.2.1有界噪声模型

3.2.2二次采样法

3.3数值仿真和实验验证

3.3.1数值仿真

3.3.2实验验证

3.4本章小结

4基于改进信噪比随机共振的滚动轴承故障诊断

4.1引言

4.2改进信噪比的指标

4.3数值仿真和实验验证

4.3.1数值仿真

4.3.2实验信号的验证

4.4本章小结

5 基于LabVIEW和MATLAB的滚动轴承故障智能诊断系统

5.1引言

5.2软件概述

5.2.1 MATLAB和LabVIEW软件简介

5.2.2软件用途

5.2.3软件功能

5.2.4软件性能

5.3.1软件登录

5.3.2软件初始化

5.3.3开始计算

5.3.4输出结果

5.4举例说明

5.5本章小结

6 结论与展望

6.1结论

6.2展望

参考文献

作者简历

学位论文原创性声明

学位论文数据集