基于圖信號處理的滾動軸承故障特征提取方法研究.pdf

1、滾動軸承是機(jī)械系統(tǒng)的重要零部件。據(jù)統(tǒng)計(jì)，超過30％的機(jī)械故障均與滾動軸承的失效有關(guān)，滾動軸承的好壞直接影響到機(jī)械設(shè)備的安全性和可靠性。振動信號分析廣泛應(yīng)用于滾動軸承的狀態(tài)監(jiān)測，成為最重要的故障診斷分析方法之一。振動信號包含大量與故障有關(guān)的成分，故障診斷的目的就是檢測這些振動信號變化情況，提取表征振動信號變化的特征，實(shí)現(xiàn)故障模式的識別。
　　故障診斷流程包括數(shù)據(jù)采集、特征提取、故障識別與診斷等。其中，特征提取是故障診斷的關(guān)鍵。傳統(tǒng)的

2、特征提取方法有時(shí)域分析、頻域分析以及時(shí)-頻域分析。隨著機(jī)械設(shè)備的日益復(fù)雜化，早期故障特征常常淹沒在噪聲信號中，采用上述傳統(tǒng)分析方法有時(shí)難以有效提取故障特征。因此，有必要研究新的特征提取方法，如圖信號處理(Graph Signal Processing，GSP)。
　　本論文在國家自然科學(xué)基金項(xiàng)目“信號共振稀疏分解方法及其在機(jī)械故障診斷中的應(yīng)用研究”（項(xiàng)目批準(zhǔn)號:51275161）和湖南大學(xué)汽車車身先進(jìn)設(shè)計(jì)制造國家重點(diǎn)實(shí)驗(yàn)室自主研究

3、課題“汽車關(guān)鍵零部件的早期故障診斷與剩余壽命預(yù)測技術(shù)研究”(項(xiàng)目編號:71375004)資助下，以譜圖理論為基礎(chǔ)，結(jié)合圖信號處理技術(shù)和譜分析方法，針對傳統(tǒng)特征提取方法的不足，將信號處理理論擴(kuò)展到圖信號處理領(lǐng)域，研究滾動軸承振動信號的圖域特征提取方法，并與馬氏距離、支持向量機(jī)和圖拉普拉斯特征向量相關(guān)譜等模式識別方法相結(jié)合，提出了基于圖信號處理的滾動軸承故障特征提取方法。
　　論文的主要研究工作有
　　(1)為有效提取滾動軸承振

4、動信號的故障特征，將GSP引入故障診斷領(lǐng)域，提出了基于路圖拉普拉斯算子范數(shù)的滾動軸承故障特征提取方法。路圖拉普拉斯算子范數(shù)是衡量圖信號平滑的具體指標(biāo)。該方法首先根據(jù)滾動軸承振動信號構(gòu)造路圖，獲得路圖信號;再計(jì)算路圖拉普拉斯算子范數(shù)作為軸承故障的特征參數(shù)，得到標(biāo)準(zhǔn)特征空間;最后通過待測樣本與標(biāo)準(zhǔn)特征空間的馬氏距離(MahalanobisDistance，MD)實(shí)現(xiàn)不同故障模式的識別。實(shí)測數(shù)據(jù)分析結(jié)果表明，該方法能有效提取滾動軸承故障特征，

5、實(shí)現(xiàn)不同故障模式的有效識別。為特征提取技術(shù)提供了一種不同于傳統(tǒng)時(shí)域、頻域和時(shí)頻域分析的新途徑。
　　(2)為了全面反映滾動軸承振動信號內(nèi)部結(jié)構(gòu)的復(fù)雜性，將圖譜指標(biāo)引入滾動軸承故障特征提取，提出了基于圖譜指標(biāo)的滾動軸承故障特征提取方法。該方法首先建立滾動軸承振動信號的圖域表達(dá)，組成原始樣本空間;再提取譜指標(biāo)作為滾動軸承故障特征，組成特征空間;最后通過已知類別樣本與測試樣本的圖拉普拉斯特征向量相關(guān)譜矩陣實(shí)現(xiàn)不同故障模式的識別。實(shí)測數(shù)據(jù)

6、分析結(jié)果表明，該方法能有效提取滾動軸承故障特征，實(shí)現(xiàn)不同狀態(tài)樣本的有效分類，并且這種方法計(jì)算簡單、便于觀察，提高了故障診斷的效率和可靠性。
　　(3)針對不同故障類型的滾動軸承振動信號具有不同路圖結(jié)構(gòu)的特點(diǎn)，將路圖拉普拉斯特征值引入滾動軸承故障特征提取，提出了基于路圖拉普拉斯特征值的滾動軸承故障特征提取方法。該方法首先選擇最能反映圖內(nèi)部信息結(jié)構(gòu)的最大的5個特征值參數(shù)組成特征向量，然后利用支持向量機(jī)(SVM)實(shí)現(xiàn)不同故障狀態(tài)的模式識