基于短時奇異譜分析的滾動軸承故障診斷方法研究.pdf

1、隨著現(xiàn)代化工業(yè)大生產(chǎn)體系的不斷發(fā)展和完善，為最大限度的提高工業(yè)生產(chǎn)效率并保證產(chǎn)品質(zhì)量，作為核心生產(chǎn)工具的機械設(shè)備需要不斷地朝大型化、節(jié)能化、智能化和高可靠性等方向發(fā)展。在這樣的背景下，機械設(shè)備發(fā)生故障的概率和方式必然相應(yīng)的增加，發(fā)生故障帶來的財產(chǎn)損失與人員傷亡也會逐漸地擴大。開展對此類設(shè)備的狀態(tài)監(jiān)測和故障診斷技術(shù)研究對保證設(shè)備安全、穩(wěn)定的運行具有重要的現(xiàn)實意義。旋轉(zhuǎn)機械是現(xiàn)代化工業(yè)大生產(chǎn)中的支柱設(shè)備，廣泛應(yīng)用于電力、化工、冶金、航空航天

2、等重要工業(yè)領(lǐng)域，而其中絕大部分旋轉(zhuǎn)機械的轉(zhuǎn)子部件都采用滾動軸承進行支撐。與一般的機械零部件相比，滾動軸承的最大特點是其實際壽命影響因素復(fù)雜、離散性較大。有統(tǒng)計數(shù)據(jù)表明，滾動軸承引起的旋轉(zhuǎn)機械故障將占其總故障的近三分之一。因此，本文以滾動軸承為研究對象，在深入理解其故障機理及故障信號表現(xiàn)形式的基礎(chǔ)上，提出了一種短時奇異值分解算法用于實現(xiàn)滾動軸承的狀態(tài)監(jiān)測及故障診斷。
　　本研究主要內(nèi)容包括：⑴對滾動軸承的故障發(fā)生機理、故障信號特征表

3、現(xiàn)及相應(yīng)的頻譜構(gòu)成進行分析研究，對局部故障信號的信噪比差異現(xiàn)象做了詳細(xì)的介紹；在此基礎(chǔ)上，結(jié)合信號局部分析的思想，提出了一種基于信號滑移加窗的短時奇異值分解算法。該算法針對奇異值分解算法在信號整體分析上存在的不足，將信號整體分析轉(zhuǎn)換到信號局部分析，著重于振蕩主導(dǎo)區(qū)內(nèi)的故障信息提取與特征識別。以該算法為基礎(chǔ)構(gòu)建的短時奇異譜揭示了故障信號時域-奇異值域的聯(lián)合分布信息，可有效實現(xiàn)故障沖擊特征的具象化表征。⑵通過將短時奇異譜提取的沖擊特征在時間

4、維度上進行投影，成功提取能夠表征滾動軸承故障沖擊特征的主奇異值特征序列。在此基礎(chǔ)上，充分挖掘主奇異值特征序列內(nèi)含的故障信息，重構(gòu)能夠表征故障沖擊成分的短時序列，進一步提取滾動軸承系統(tǒng)固有頻率。結(jié)合FIR濾波器構(gòu)建方法，提出了以固有頻率為中心頻率的濾波器設(shè)計方案，并利用峭度指標(biāo)實現(xiàn)濾波器帶寬的最優(yōu)化選擇；在此基礎(chǔ)上，分析了滑移窗長等參數(shù)對濾波器消噪性能的影響，進而實現(xiàn)滾動軸承故障信號的沖擊特征提取及背景噪聲抑制；同時，針對頻帶濾波器的不足

5、，通過重構(gòu)原始信號中的噪聲序列獲得噪聲統(tǒng)計特性作為參考信息，結(jié)合LMS自適應(yīng)算法，提出了基于噪聲功率估計的自適應(yīng)濾波器設(shè)計方法，實現(xiàn)對滾動軸承故障信號的自適應(yīng)濾波。⑶在主奇異值特征提取的基礎(chǔ)上，研究了以自適應(yīng)原子字典構(gòu)建為核心的信號稀疏表示方法。該方法通過提取多個能夠表征故障沖擊成分的重構(gòu)短時序列來構(gòu)建沖擊原子字典，在此基礎(chǔ)上采用K-SVD算法實現(xiàn)學(xué)習(xí)字典的訓(xùn)練，經(jīng)過原子擴展時延操作獲得自適應(yīng)原子字典，再采用匹配追蹤算法對信號稀疏表示；