基于小波分析的軸承故障模式識(shí)別技術(shù)研究.pdf

1、滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械中應(yīng)用最為廣泛的機(jī)械部件，也是最易損壞的部件之一。旋轉(zhuǎn)機(jī)械的許多故障都與滾動(dòng)軸承有關(guān)，軸承工作狀態(tài)的好壞直接影響到設(shè)備的工作性能。因此，對(duì)軸承開展故障診斷研究具有重要意義。 本文的研究工作包括： (1)根據(jù)滾動(dòng)軸承沖擊故障的特點(diǎn)，針對(duì)故障發(fā)生部位的不同，設(shè)計(jì)了八類點(diǎn)蝕故障模式。利用幅值指標(biāo)分析、幅值譜分析、濾波分析對(duì)點(diǎn)蝕信號(hào)進(jìn)行處理，分析了各種模式下的振動(dòng)特征及各模式之間的差異。結(jié)果表明利用上述分析手段

2、，只能定性識(shí)別故障模式，即判斷點(diǎn)蝕故障的有無，無法確定故障的具體模式。 (2)針對(duì)軸承振動(dòng)信號(hào)噪聲較為強(qiáng)烈的特點(diǎn)，本文對(duì)小波降噪技術(shù)在軸承故障診斷中的應(yīng)用進(jìn)行了研究。降噪結(jié)果表明，小波分解后采用閾值法可以有效剔除振動(dòng)信號(hào)中包含的噪聲，降噪信號(hào)經(jīng)頻譜分析后可以成功提取滾動(dòng)軸承的故障特征，達(dá)到診斷目的。 (3)針對(duì)軸承故障信號(hào)中普遍存在的調(diào)制現(xiàn)象，本文將小波分解后的高頻信號(hào)采用包絡(luò)分析，能夠提取高頻衰減振動(dòng)中包含的低頻調(diào)制信

3、息，再進(jìn)行頻譜分析便可容易識(shí)別故障特征，并且可以對(duì)實(shí)驗(yàn)設(shè)計(jì)的八類點(diǎn)蝕故障加以區(qū)分。 (4)為了自動(dòng)識(shí)別軸承點(diǎn)蝕故障模式，本文以軸承模擬故障信號(hào)的幅值指標(biāo)作為樣本數(shù)據(jù)，對(duì)BP神經(jīng)網(wǎng)絡(luò)加以訓(xùn)練，從而得到了期望的診斷網(wǎng)絡(luò)，實(shí)現(xiàn)了軸承故障診斷的智能化。通過分析不同模式下點(diǎn)蝕故障信號(hào)的幅值指標(biāo)分布特點(diǎn)，結(jié)合神經(jīng)網(wǎng)絡(luò)的固有特性，本文引入了二級(jí)逐步深入的BP神經(jīng)網(wǎng)絡(luò)診斷策略，經(jīng)過與單級(jí)BP神經(jīng)網(wǎng)絡(luò)的診斷效果對(duì)比分析，驗(yàn)證了二級(jí)網(wǎng)絡(luò)的優(yōu)越性。