基于聲音信號的軸承故障診斷方法研究.pdf

1、滾動軸承是機械的重要組成部件之一，在工業(yè)中起著重要的作用。同時滾動軸承也是機器中極易損壞的元件之一。對滾動軸承的故障預(yù)測和診斷技術(shù)是近年來國內(nèi)外研究的熱點。聲音包含了軸承在運轉(zhuǎn)過程中產(chǎn)生的大量豐富的狀態(tài)信號，由于它采集比較容易，屬于非接觸式測取，設(shè)備簡單，速度快，無須事先粘貼傳感器，且不影響設(shè)備，因此本文將軸承故障的聲音信號作為信息源，研究了軸承表面損傷時聲音信號的故障模型和診斷方法。 針對單一故障模型，本文研究了人工診斷和智能

2、診斷兩種診斷方案。在人工診斷方案的分析中，對小波變換結(jié)合包絡(luò)分析的人工診斷方法進行了改進，對小波分解重構(gòu)的每層高頻細(xì)節(jié)信號進行包絡(luò)譜分析，有效提高了診斷準(zhǔn)確率，且該方法的實時性較好，可應(yīng)用于工程實際?？紤]到人工診斷的主觀性，采用BP(BackPropagation)神經(jīng)網(wǎng)絡(luò)的智能診斷方法，對小波神經(jīng)網(wǎng)絡(luò)及小波包神經(jīng)網(wǎng)絡(luò)的診斷效果進行了綜合比較，認(rèn)為小波神經(jīng)網(wǎng)絡(luò)性能較好。對比智能診斷與人工診斷方法，智能診斷方法略優(yōu)于人工診斷方法，但智能方

3、法需要大量樣本預(yù)先學(xué)習(xí)，人工方法可依據(jù)譜圖直接診斷，因此應(yīng)用中可將兩種方法比較分析，相互補充。 聲音信號雖然能夠提供較多的滾動軸承故障信息，但是由于故障信號經(jīng)常與正常信號混在一起，往往不易清晰地判別出故障。而在源統(tǒng)計獨立的條件下，可以采用快速獨立分量分析算法分離出各個獨立源信號，進一步運用單一故障模型方法能成功診斷故障。而故障軸承的聲信號為源相關(guān)信號，應(yīng)用標(biāo)準(zhǔn)的獨立分量分析受到限制。本文提出基于不同先驗知識的MSD-ICA-EA