滚动轴承微弱故障特征提取方法研究

摘要

滚动轴承在机械系统中有广泛的应用。实现滚动轴承的早期故障诊断，对于保障机械系统安全具有重要意义。论文针对滚动轴承早期故障信号特征不明显的特、点，介绍了常用轴承故障分析方法的优缺点，提出了一种基于迭代的最小熵解卷积算法，该算法可以根据信号的自身特点，通过反复迭代，以输入信号与输出信号的信噪比达到最大为终止条件，自适应的选择滤波器阶数，避免了最小熵解卷积算法受人的主观因素影响的缺点。
　　本研究为验证该算法对微弱故障特征提取的可行性和有效性，在对相关滚动轴承振动模型深入分析的基础上，分别从信号信噪比较小和冲击成分能量较小两个方面进行了故障信号仿真，采用迭代解卷积算法实现了微弱故障特征的提取。最后将所提算法应用到实验数据中，通过对滚动轴承微弱故障信号分析，证明了算法的有效性。仿真、实验分析，及与常用的希尔伯特包络和最小熵解卷积方法的对比结果表明，迭代解卷积方法可以准确提取微弱滚动轴承故障特征，实现滚动轴承早期诊断。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 论文选题背景和意义

1.2 滚动轴承故障诊断发展现状

1.3 振动诊断技术在微弱特征提取中的应用

1.4 本文主要研究内容

第二章 滚动轴承故障类型及振动特征

2.1 滚动轴承的典型结构

2.2 滚动轴承的故障类型

2.3 滚动轴承的振动特征

2.4滚动轴承振动的特征频率

2.5滚动轴承的故障信号特征

2.6 本章小结

第三章 基于迭代最小熵解卷积的微弱故障提取

3.1振动信号预处理

3.2时域指标分析

3.3 包络解调分析

3.4 最小熵解卷积

3.5 最小熵解卷积的缺点

3.6改进的最小熵解卷积

3.7 本章小结

第四章 滚动轴承仿真信号分析

4.1滚动轴承故障模型建模

4.2 仿真信号验证

4.3 本章小结

第五章 实验数据分析

5.1 辛辛那提大学轴承数据

5.2凯斯西储大学滚动轴承数据

5.3 本章小结

第六章 总结与展望

参考文献

致谢