機械振動信號的故障特征分析與仿真

1、．獨創(chuàng)性聲明本人聲明所呈交的學位論文是本人在導師指導下進行的研究工作和取得的研究成果，除了文中特別加以標注和致謝之處外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得丞洼王些太堂或其他教育機構(gòu)的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示了謝意。學位論文作者簽名： 勻埠 簽字同期：．矽房年弓月影同學位論文版權(quán)使用授權(quán)書本學位論文作者完全了解丞洼王些太堂有關(guān)保留、使用學位

2、論文的規(guī)定。特授權(quán)丞洼王些太堂可以將學位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，并采用影印、縮印或掃捕等復制手段保存、匯編以供查閱和借閱。同意學校向圈家有關(guān)部門或機構(gòu)送交論文的復印件和磁盤。( 保密的學位論文在解密后適用本授權(quán)說明)學位論文作者簽名： 奇埠簽字| 二1 期：夕汐f 鄉(xiāng)年≥』] J ；¨ 翩虢專。眵己簽字H 緲】：2 ◆1 > 年，；』j ，3 ¨摘要隨著高檔數(shù)控裝備功能口趨豐富和復雜，一旦某

3、一關(guān)鍵部件在運行時出現(xiàn)微弱故障，就可能影響整臺裝備的安全運行，因此，研究復雜機械裝備微弱故障信號的特征提取技術(shù)和應用是確保數(shù)控系統(tǒng)安全、可靠、連續(xù)運行的關(guān)鍵。滾動軸承是出現(xiàn)故障頻率最高的部件之一，因此，本文從滾動軸承早期故障特征提取方法展開研究。傳統(tǒng)的經(jīng)驗模式分解算法( E M D ) 能夠有效地處理非平穩(wěn)非線性動態(tài)信號，但在噪聲和脈沖沖擊的干擾下會出現(xiàn)模式混疊的問題，為此，引入噪聲輔助集合經(jīng)驗模式分解( E E M D ) 來處理滾動

4、軸承的故障動態(tài)信號，分離和提取出振動信號r f l 所包含的故障特征信號和噪聲信號，解決了模式混疊問題。針對滾動軸承等關(guān)鍵部件早期微弱特征信號時變、非線性、信噪比低等特性，尤其在更強的背景噪聲干擾下，提取出微弱的低頻信號的故障特征頻率更是難上加難。因此，在進行特征頻率的分解和提取之前必須先對大噪聲信號進行降噪處理，研究了基于級聯(lián)雙穩(wěn)隨機共振預處理后非平穩(wěn)動態(tài)信號E E M D 分解的微弱特征提取算法。該算法使湮沒在強大隨機背景噪聲r f

5、 l 的微弱故障信息通過級聯(lián)隨機共振各級系統(tǒng)的共振作用得到增強放大。最后，通過M A T L A B 平臺編寫了上述算法的程序，并將該算法應用于仿真系統(tǒng)和工程實測中，分析結(jié)果表明該算法能快速、有效地消除信號里的高頻噪聲干擾，并突出低頻有用信號成分，降噪效果顯著。本文所研究的算法能夠應用于數(shù)控系統(tǒng)狀態(tài)檢測與故障診斷系統(tǒng)中，實現(xiàn)在強噪聲背景下預測潛在的早期微弱故障，并為遠程故障診斷系統(tǒng)的研究提供理論基礎(chǔ)，在機械設備故障診斷領(lǐng)域中具有重要的應