基于小波分析的高速牽引電機軸承故障診斷研究.pdf

1、近年來,高速列車的出現(xiàn)對高速牽引電機軸承的工作狀態(tài)提出了嚴格的要求。國外機械設備狀態(tài)監(jiān)測和故障診斷技術已經(jīng)進入實用化階段。我國故障診斷技術也有20多年的發(fā)展,不論在故障診斷理論和方法上,還是在工程實踐及監(jiān)測診斷產(chǎn)品的研發(fā)中,都需要加速發(fā)展。本文采用小波的希爾伯特變換、小波包變換、EMD經(jīng)驗模態(tài)分解方法對高速牽引電機軸承故障診斷的時頻分析及故障識別方法進行了深入研究,并采用LabVIEW與Mmlab相結合的方法開發(fā)了診斷平臺。
　　

2、 (1)小波和Hilbert變換相結合的高速牽引電機滾動軸承故障診斷方法的研究。
　　 首先利用Daubechies小波對故障信號進行小波的分解,然后提取出包含故障特征信息的分解層。對選取的小波層進行快速傅里葉變換并提取出特征頻率。與理論上的特征頻率進行對比,有效判定軸向線性裂紋故障類型。
　　 (2)小波包方法在高速牽引電機滾動軸承故障診斷中的應用研究。
　　 提出了在小波包分解后的節(jié)點進行以能量為依據(jù)的最佳

3、節(jié)點方法。并采取均值與方差和為閾值的小波包去噪方式對信號去噪和重組。選取小波包進行快速傅里葉變換,提取出特征故障頻率,能簡便有效地判定軸向線性裂紋故障類型。
　　 (3)將小波包和EMD(Empirical Mode Decomposition)分解二者有機結合,探索研究其在高速牽引電機軸承故障診斷中的應用。
　　 將小波包、EMD分解應用到高速牽引電機軸承故障診斷中。在診斷前,首先進行小波包去噪,接著進行EMD分解,然

4、后選擇與原始信號相關系數(shù)最大的一層再次進行的小波包分解,并選取合適的小波包進行頻譜分析,最后進行故障狀態(tài)識別。該方法雖能診斷出軸向線性裂紋故障特征,但達到分解平衡耗時較長,不易與本文程序結合。
　　 (4)試驗臺組合以及實驗研究。
　　 利用實驗臺、數(shù)據(jù)采集設備,并根據(jù)小波分析理論進行實驗驗證。分別采用小波的Hilbert變換、小波包分解和EMD經(jīng)驗分解的方法對軸向線性裂紋故障軸承診斷進行實用分析,總結出本文最有效的診斷