基于EEMD的滚动轴承振动故障特征提取与诊断研究

摘要

滚动轴承是各种旋转机械中应用最广泛的一种通用部件，其运行状态往往直接影响整台机器的性能，对滚动轴承的状态监测和故障诊断具有重要的现实意义和经济价值。在滚动轴承发生故障时，一种常用的诊断方法就是，从振动信号中提取一些包含故障信息的特征参数，从而揭示其故障类型、故障位置、故障程度。因此，如何有效的提取故障特征显得尤为重要。故障特征参数有时域参数和频域参数。常见的提取方法有小波分析和经验模态分解(Empirical Mode Decomposition，EMD)，而集合经验模态分解(Ensemble Empirical Mode Decomposition，EEMD)作为经验模态分解的优化算法，近年来得到越来越广泛的应用。
　　本文采用一种方法，基于EEMD分解，提取以峭度、均方根值为代表的时域特征参数和以重心频率、均方根频率为代表的频域特征参数，并运用支持向量机(SupportVector Machine，SVM)进行故障识别。通过与EMD分解的结果进行对比，验证该方法在诊断故障中有较高的正确率。同时，在时域和频域中，多特征参数结合的诊断正确率要高于单一参数;时域特征参数与频域特征参数相结合的诊断正确率可以达到更高。

目录

封面

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 解调方法研究现状

1．2．2 特征参数提取方法研究现状

1．3 本文研究目的和内容

第2章 滚动轴承的故障特征

2．1 引言

2．2 滚动轴承基本结构

2．3 滚动轴承的故障形式

2．4 滚动轴承振动机理

2．4．1 轴承结构特点及加工装配误差引起的振动

2．4．2 轴承运行故障引起的振动

2．5 滚动轴承故障诊断常用统计特征

2．5．1 时域特征参数

2．5．2 频域特征参数

2．6 本章小结

第3章 EEMD提取与SVM诊断算法

3．1 引言

3．2 经验模态分解

3．2．1 EMD原理

3．2．2 EMD分解算法

3．2．3 EMD算法存在的问题

3．3 集合经验模态分解

3．3．1 EEMD原理

3．3．2 EEMD分解算法[40]

3．4 支持向量机

3．5 本章小结

第4章 基于EEMD时域特征参数的滚动轴承故障诊断

4．1 引言

4．2 数据说明

4．2．1 数据来源

4．2．2 数据分类

4．3 信号时域特征

4．3．1 原始信号时域特征

4．3．2 EEMD分解的信号时域特征

4．4 故障诊断方法设计

4．4．1 数据分组

4．4．2 诊断流程

4．5 基于峭度指标的滚动轴承故障诊断

4．5．1 基于EMD峭度的滚动轴承故障诊断

4．5．2 基于EEMD峭度的滚动轴承故障诊断

4．5．3 分析与讨论

4．6 基于均方根值指标的滚动轴承故障诊断

4．6．1 基于EMD均方根值的滚动轴承故障诊断

4．6．2 基于EEMD均方根值的滚动轴承故障诊断

4．6．3 分析与讨论

4．7 基于时域多参数指标的滚动轴承诊断

4．7．1 基于EMD时域多参数的滚动体故障诊断

4．7．2 基于EEMD时域多参数的滚动体故障诊断

4．7．3 分析与讨论

4．8 本章小结

第5章 基于EEMD频域特征参数的滚动轴承故障诊断

5．1 引言

5．2 信号频域特征

5．2．1 原始信号频域特征

5．2．2 EEMD分解的信号频域特征

5．3 基于重心频率指标的滚动轴承故障诊断

5．3．1 基于EMD重心频率的滚动轴承故障诊断

5．3．2 基于EEMD重心频率的滚动轴承故障诊断

5．3．3 分析与讨论

5．4 基于均方根频率指标的滚动轴承故障诊断

5．4．1 基于EMD均方根频率的滚动轴承故障诊断

5．4．2 基于EEMD均方根频率的滚动轴承故障诊断

5．4．3 分析与讨论

5．5 基于频域多参数指标的滚动轴承故障诊断

5．5．1 基于EMD频域多参数的滚动轴承故障诊断

5．5．2 基于EEMD频域多参数的滚动轴承故障诊断

5．5．3 分析与讨论

5．6 基于时域频域多参数指标的滚动轴承故障诊断

5．6．1 基于EMD时域频域多参数的滚动轴承故障诊断

5．6．2 基于EEMD时域频域多参数的滚动轴承故障诊断

5．6．3 分析与讨论

5．7 本章小结

第6章 结论与展望

6．1 结论

6．2 展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢