基于小波變換和經(jīng)驗模態(tài)分解的滾動軸承故障診斷方法研究.pdf

1、滾動軸承是各類機電設備中常用的零部件，對其進行故障監(jiān)測和診斷是故障診斷技術領域的研究熱點。本文采用小波變換、經(jīng)驗模態(tài)分解、自回歸模型的理論和方法，對滾動軸承故障診斷領域的時頻分析法及模式識別法進行了深入研究。
　　1、研究了基于Morlet小波的滾動軸承故障診斷方法。
　　首先分析了Morlet小波的外形特點，然后將平滑指數(shù)(SI)法引入軸承故障診斷中，在將熵值法、峭度值法和平滑指數(shù)法進行詳細對比分析的基礎上，提出了一種將平

2、滑指數(shù)、峭度值、熵值相結(jié)合尋找最佳小波尺度的算法，并將該算法應用到實測信號診斷中。
　　2、將小波包方法應用到滾動軸承故障診斷中。
　　在Coifman和Wickerhauser最佳基搜索算法基礎上，提出了以小波包分解后節(jié)點的能量作為尋找最佳節(jié)點的方法。實測信號分析表明，該算法計算簡單，分析效果理想。
　　3、將小波包和Hilbert-Huang變換相結(jié)合，對滾動軸承進行了故障診斷。
　　對小波包重構(gòu)后的信號進行

3、EMD分解，得到各階IMF分量和殘差，保留和小波包重構(gòu)信號互相關系數(shù)較大的IMF分量，然后對保留下來的各階IMF分量進行譜分析，抽取故障特征頻率及其倍頻。將該算法應用到各種故障類型和正常軸承的檢測中，均正確檢測到了故障特征頻率。
　　4、對滾動軸承的故障模式識別方法進行了研究。
　　將小波包、EMD分解和AR模型法應用到滾動軸承故障診斷中。在診斷之前，首先進行小波包去噪，然后進行EMD分解，再建立AR模型。模型建立之后，以待