基于小波變換的機械軸承磨損故障特征提取方法研究.pdf

1、滾動軸承是許多機械設備上不可缺少的零器件，滾動軸承故障對整個機械設備甚至整條產線都有較大的影響。在滾動軸承的各種故障類型中，內圈的故障信號相對于滾動體、保持架和外圈故障的故障信號更加隱蔽，不易發(fā)現，其特征提取更加困難，所以，對滾動軸承內圈故障的特征提取方法進行研究是非常有必要的。
　　論文的主要內容體現在以下幾點:
　　首先研究了基于小波變換的信號特征提取的方法，研究了近似熵、樣本熵、排列熵、能量譜和能量矩算法，并進行了編程

2、實現。研究了基于小波變換的近似熵、樣本熵、排列熵算法和基于小波包變換的能量譜、能量矩算法，研究了上述算法在滾動軸承內圈故障的特征提取中的應用。
　　其次，分別采用近似熵、樣本熵、排列熵算法對滾動軸承縱向加速度信號進行特征提取，并實現了上述算法，對上述三種算法的特征提取結果進行分析比較。分析四種滾動軸承內圈磨損故障狀態(tài)和正常狀態(tài)在小波分解各頻段上的特征差異，并用SVM進行識別。結果表明，在對五種工況的識別中，小波近似熵對正常工況的識

3、別效果較為明顯;小波樣本熵對正常工況、內圈磨損0.021英寸工況、內圈磨損0.028英寸工況的識別效果較為明顯;小波排列熵對內圈磨損0.007英寸工況、內圈磨損0.021英寸工況、內圈磨損0.028英寸工況的識別效果較為明顯。通過低頻段信號熵值偏高這一實驗結果，驗證了滾動軸承在工作狀態(tài)下，低頻段較高頻段信號分布更為混亂的信號特點。
　　再其次，用小波包變換的方法，將各頻段重構的信號的能量譜和能量矩作為特征參數，通過觀察滾動軸承五種