經(jīng)驗(yàn)?zāi)B(tài)分解法和SVM在滾動(dòng)軸承故障診斷中的應(yīng)用.pdf

1、滾動(dòng)軸承是工程機(jī)械及其它機(jī)械的基本零件，許多機(jī)械的故障都和軸承有關(guān)。據(jù)統(tǒng)計(jì)旋轉(zhuǎn)機(jī)械故障有30％是由軸承引起的，軸承的好壞影響整個(gè)機(jī)械設(shè)備運(yùn)行狀態(tài)。因此開展?jié)L動(dòng)軸承故障診斷技術(shù)的研究有著重大的實(shí)用價(jià)值。
　　 滾動(dòng)軸承故障診斷的實(shí)質(zhì)就是對(duì)其振動(dòng)信號(hào)中包含的狀態(tài)信息進(jìn)行提取并加以分類，從而得出滾動(dòng)軸承運(yùn)行狀態(tài)。由于滾動(dòng)軸承振動(dòng)信號(hào)是非平穩(wěn)信號(hào)，傳統(tǒng)的時(shí)頻分析信號(hào)處理方法在處理非平穩(wěn)信號(hào)時(shí)有著自身的局限性，而具有自適應(yīng)性的經(jīng)驗(yàn)?zāi)B(tài)分解

2、法非常適合處理像滾動(dòng)軸承這樣的非平穩(wěn)信號(hào)。針對(duì)實(shí)際振動(dòng)信號(hào)中往往含有背景噪聲干擾，直接對(duì)信號(hào)進(jìn)行EMD分解容易造成虛假成分，本文采用小波變換對(duì)振動(dòng)信號(hào)進(jìn)行消噪處理，有效地消除了滾動(dòng)軸承振動(dòng)信號(hào)中的干擾成分，提高了信噪比。然后信號(hào)經(jīng)過EMD分解成若干不同時(shí)序尺度下內(nèi)稟模態(tài)分量，提取基于內(nèi)稟模態(tài)能量法的特征向量，能夠較好反映滾動(dòng)軸承的振動(dòng)信號(hào)信息。
　　 在成功地提取信號(hào)特征向量基礎(chǔ)上，同時(shí)針對(duì)實(shí)際故障診斷中難以獲取大量的樣本問題，