基于改進(jìn)MCA和NCT的滾動(dòng)軸承故障信號(hào)階次跟蹤方法.pdf

1、滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械中最重要的部件之一，也是機(jī)械設(shè)備中主要的故障源，滾動(dòng)軸承的失效將直接導(dǎo)致設(shè)備運(yùn)行的失常。因此，準(zhǔn)確發(fā)現(xiàn)滾動(dòng)軸承的故障及其類型，從而進(jìn)行干預(yù)以避免失效，具有重要意義。
　　滾動(dòng)軸承的振動(dòng)信號(hào)包含不同的振源信號(hào)，根據(jù)各振源的不同振動(dòng)形態(tài)，對(duì)各成分進(jìn)行有效分離，可對(duì)滾動(dòng)軸承的故障判斷提供重要依據(jù)。形態(tài)分量分析(Morphological Component Analysis。MCA)可針對(duì)不同振動(dòng)形態(tài)構(gòu)建稀疏表示字典，

2、實(shí)現(xiàn)對(duì)不同成分的有效分離。另外，滾動(dòng)軸承在實(shí)際運(yùn)行中出現(xiàn)的轉(zhuǎn)速波動(dòng)造成振動(dòng)信號(hào)的非平穩(wěn)性，通常采用階次跟蹤方法對(duì)信號(hào)進(jìn)行平穩(wěn)化處理。階次跟蹤方法中，轉(zhuǎn)速的獲取是關(guān)鍵。非線性調(diào)頻小波變換(Nonlinear Chirplet Transform。NCT)采用多項(xiàng)式逼近的思想，能夠準(zhǔn)確地從振動(dòng)信號(hào)中估計(jì)轉(zhuǎn)速。本文主要內(nèi)容如下：
　　(1)針對(duì)滾動(dòng)軸承振動(dòng)信號(hào)中不同分量具有不同頻率帶寬比的特征，采用基于可調(diào)品質(zhì)因子小波變換(Tunabl

3、e-Q Wavelet Transform。TQWT)的改進(jìn) MCA方法。研究了 MCA方法在信號(hào)形態(tài)分量分離方面的有效性及不足，構(gòu)建了TQWT字典對(duì) MCA進(jìn)行改進(jìn)，克服了傳統(tǒng)濾波方法難以分離頻率較接近的成分的缺點(diǎn)。采用了不同品質(zhì)因子的TQWT對(duì)信號(hào)進(jìn)行稀疏表示，將振動(dòng)信號(hào)分解為不同成分，對(duì)沖擊成分進(jìn)行包絡(luò)分析，判斷軸承的故障類型。通過滾動(dòng)軸承故障試驗(yàn)，結(jié)果表明該方法能有效地實(shí)現(xiàn)各分量的分離，凸顯故障特征頻率。
　　(2)針對(duì)變

4、速運(yùn)行的滾動(dòng)軸承振動(dòng)信號(hào)所表現(xiàn)出的時(shí)變特征，提出了基于NCT的階次跟蹤方法。利用 NCT分析信號(hào)得到時(shí)頻譜圖，結(jié)合峰值搜索算法提取信號(hào)的瞬時(shí)頻率，根據(jù)瞬時(shí)頻率實(shí)現(xiàn)信號(hào)的等角度重采樣。通過仿真信號(hào)，驗(yàn)證了該方法無(wú)需轉(zhuǎn)速計(jì)，能夠直接提取振動(dòng)信號(hào)的時(shí)變特征，具有精度高和魯棒性好的特點(diǎn)。
　　(3)針對(duì)強(qiáng)噪聲、變轉(zhuǎn)速下滾動(dòng)軸承故障振動(dòng)信號(hào)的特點(diǎn)，提出了基于改進(jìn)MCA和 NCT的滾動(dòng)軸承階次跟蹤方法。通過改進(jìn) MCA實(shí)現(xiàn)對(duì)故障信號(hào)中各成分的