基于隨機(jī)共振和Otsu-EWT的滾動(dòng)軸承早期故障診斷方法.pdf

1、滾動(dòng)軸承早期故障診斷是設(shè)備健康管理領(lǐng)域的研究?jī)?nèi)容，它能夠在設(shè)備故障的早期或性能出現(xiàn)明顯異常之前識(shí)別出故障以便于安排維護(hù)和維修，具有重要研究意義。本課題以滾動(dòng)軸承為研究對(duì)象，圍繞早期故障診斷這一主線，逐步展開(kāi)微弱信號(hào)檢測(cè)、信號(hào)分解與篩選和信號(hào)降噪等研究，主要研究?jī)?nèi)容如下:
　　首先，提出一種基于量子遺傳算法的自適應(yīng)隨機(jī)共振檢測(cè)方法。通過(guò)分析系統(tǒng)模型參數(shù)對(duì)隨機(jī)共振的影響，明確參數(shù)優(yōu)化的必要性，將量子遺傳算法引入到參數(shù)優(yōu)化中對(duì)兩個(gè)系統(tǒng)參

2、數(shù)同時(shí)尋優(yōu)，并與傳統(tǒng)隨機(jī)共振、單變量自適應(yīng)隨機(jī)共振進(jìn)行對(duì)比，通過(guò)仿真信號(hào)和開(kāi)源數(shù)據(jù)驗(yàn)證雙變量自適應(yīng)隨機(jī)共振效果。
　　其次，提出一種基于最大類(lèi)間方差的經(jīng)驗(yàn)小波變換信號(hào)分解方法。針對(duì)傳統(tǒng)分解方法存在窗固定、模式混疊等問(wèn)題，將經(jīng)驗(yàn)小波變換用于信號(hào)分解，并通過(guò)最大類(lèi)間方差方法克服原有的邊界計(jì)算復(fù)雜、緩慢且受人為因素干擾較大的問(wèn)題，實(shí)現(xiàn)信號(hào)頻譜的自適應(yīng)劃分;研究有量綱與無(wú)量綱指標(biāo)在早期故障階段對(duì)故障特征表現(xiàn)的差別，選取脈沖指標(biāo)作為分解得到

3、的調(diào)幅-調(diào)頻分量的篩選指標(biāo)，通過(guò)仿真信號(hào)與開(kāi)源數(shù)據(jù)驗(yàn)證最大類(lèi)間方差一經(jīng)驗(yàn)小波變換分解效果與評(píng)價(jià)指標(biāo)對(duì)故障特征的表現(xiàn)情況。
　　再次，提出基于奇異值差分譜的信號(hào)降噪方法。針對(duì)調(diào)幅-調(diào)頻分量中的噪聲成分干擾信號(hào)波形的識(shí)別，對(duì)篩選得到的分量進(jìn)行奇異值分解并找到其差分譜中最大的突變點(diǎn)，重構(gòu)后實(shí)現(xiàn)降噪，通過(guò)仿真信號(hào)和開(kāi)源數(shù)據(jù)驗(yàn)證該方法與傳統(tǒng)降噪方法相比更貼近原始信號(hào)。
　　最后，試驗(yàn)臺(tái)搭建、數(shù)據(jù)采集與試驗(yàn)驗(yàn)證。搭建滾動(dòng)軸承振動(dòng)測(cè)試試驗(yàn)