基于小波包分解和希尔伯特黄变换的滚动轴承故障诊断

摘要

在各类旋转机械中，滚动轴承是一种常见的、易损伤的元件，其运行状态会影响到生产实践，有必要对它进行监测和诊断。故障特征的提取是故障诊断的关键，而现代信号处理方法恰在其中起核心作用。
　　传统的时频分析方法，有一定的局限性，不适合分析非平稳、非线性信号。目前常用的时频分析方法有多种，本文简单介绍了相关概念和理论，并讨论了各种方法的适用范围和各自的优缺点。
　　Hilbert-Huang变换方法具有自适应性、完备性和正交性，本文介绍了其的相关原理和算法，其中包括瞬时频率、内禀模态函数、Hilbert谱、Hilbert边际谱。正由于这些特性，Hilbert-Huang变换适用于处理非线性、非平稳信号，其应用领域非常广泛。然而实际的工作情况都很复杂，噪声会淹没故障脉冲，用原始的Hilbert-Huang变换很难得到准确的结果。
　　本文针对希尔伯特黄变换存在模态混叠、内禀模态函数判断依据、低频部分产生无意义的内禀模态函数等问题。通过小波分析与经验模态分解的结合，对希尔伯特黄变换方法进行改进。先用小波包对信号进行分解，进行一层筛选;对筛选后的信号进行重构，然后用经验模态分解方法分解重构信号，继续第二层筛选;最后根据Hilbert谱和Hilbert边际谱，便可诊断出故障。通过将该方法用于仿真和实验信号，结果表明该方法能有效提取周期性脉冲成分并抑制噪声。

目录

声明

摘要

第1章 绪论

1．1 引言

1．2 时频分析方法综述

1．2．1 时频分析方法

1．2．2 短时傅立叶变换

1．2．3 Wigner-Ville分布

1．2．4 小波变换

1．2．5 Hilbert-Huang变换

1．3 文章的主要工作和内容

1．3．1 文章主要工作

1．3．2 文章章节安排

第2章 Hilbert-Huang变换

2．1 经验模态分解

2．1．1 瞬时频率

2．1．2 内禀模态函数

2．1．3 经验模态分解方法

2．1．4 模拟信号实验

2．2 希尔伯特谱分析

2．2．1 希尔伯特变换

2．2．2 希尔伯特谱和希尔伯特边际谱

2．3 HHT的特点及问题

2．4 本章小结

第3章 小波分析与希尔伯特黄变换相结合

3．1 小波分析相关理论

3．1．1 小波变换

3．1．2 离散小波变换

3．1．3 小波包相关理论

3．2 小波降噪

3．2．1 噪声造成的干扰

3．2．2 小波降噪

3．3 基于WPD-HHT的信号分析方法

3．3．1 小波包分解与重构

3．3．2 基于WPD-HHT的分析方法

3．3．3 仿真信号实验

3．4 本章小结

第4章 故障分析

4．1 滚动轴承基本概述

4．2 故障原因和振动机理

4．2．1 故障原因

4．2．2 振动机理

4．3 故障特征分析

4．3．1 故障振动特性

4．3．2 故障特征频率

4．4 本章小结

第5章 基于WPD-HHT的滚动轴承故障诊断

5．1 包络分析

5．2 滚动轴承公共数据分析

5．2．1 实验数据来源

5．2．2 轴承相关参数

5．2．3 基于WPD-HHT的滚动轴承故障信号分析

5．3 实验数据分析

5．3．1 实验装置与数据

5．3．2 基于WPD-HHT的滚动轴承故障信号分析

5．4 本章小结

第6章 结论与展望

参考文献

致谢

在读期间发表的学术论文与取得的研究成果