AMD和EMD方法在滾動軸承故障診斷中的應用研究.pdf

1、旋轉機械設備在工業(yè)生產中占有非常重要的地位，其中滾動軸承是旋轉機械中應用最為普遍的部件，其運行狀態(tài)直接影響到整臺機器的性能。因此對滾動軸承的故障診斷具有重要現(xiàn)實意義。本文主要針對EMD方法的局限性和不足進行了分析研究，結合AMD方法和雙穩(wěn)隨機共振等理論對其進行改進，提出的新算法更有利于機械故障特征的提取，并成功應用于滾動軸承的故障診斷。
　　本文提出一種基于AMD旋轉機械故障特征的提取方法。對于可預知故障特征頻率的旋轉機械的故障診

2、斷，可利用AMD方法提取機械振動信號中故障特征頻率所在頻段的信號，并求該段信號的頻譜，若頻譜中含有故障特征頻率，則說明機械振動信號中存在該故障。通過對滾動軸承故障信號和轉子不對中故障數據的分析處理，并與僅用EMD方法的處理結果進行對比，證明了AMD方法的有效性，且比EMD方法更快速、準確。
　　針對在經驗模態(tài)分解篩選過程中間斷信號引起的模態(tài)混疊現(xiàn)象，提出一種基于AMD的經驗模態(tài)分解模態(tài)混疊消除新方法。利用第1個有效固有模態(tài)函數的瞬

3、時頻率特性得到其頻率成分及二分頻率，且能實現(xiàn)對間斷信號的定位，然后再采用AMD方法分離出間斷信號，再對處理后的信號進行EMD分解，從而消除該間斷信號的影響。仿真分析和應用實例的結果證明，該方法可以有效消除由間斷信號引起的模態(tài)混疊現(xiàn)象。
　　針對希爾伯特-黃變換方法不能識別具有相近頻率的非平穩(wěn)信號的問題，提出一種AMD與HHT結合的非平穩(wěn)信號緊密間隔頻率檢測新方法。該方法首先利用HHT變換得到非平穩(wěn)信號的頻率成分，再用AMD方法依次

4、提取出各個頻率成分的信號進行AMD分解，分別判斷是否有頻率混疊的現(xiàn)象，并將存在混疊頻率的信號分解為單頻率信號分量，實現(xiàn)全部特征頻率的檢測。仿真及應用實例結果表明，該方法解決了HHT方法不能有效分離兩個相近頻率信號的問題，確保能夠準確分解信號數據并且分解精度有所提高。
　　本文提出一種基于自適應隨機共振和AMD-EEMD的滾動軸承故障診斷新方法。首先采用粒子群算法對雙穩(wěn)系統(tǒng)進行多參數并行尋優(yōu)，得到最佳的系統(tǒng)結構參數；然后對含噪聲的信

5、號進行隨機共振輸出，使信號得到降噪和加強；再利用AMD方法對隨機共振輸出的信號進行截??；最后通過EEMD方法對AMD截取的信號進行抗混疊分解。仿真結果表明，優(yōu)化后的隨機共振系統(tǒng)能有效提高信號的信噪比，信號經過AMD截取后EEMD分解的有效分量明顯減少，從而改善了EEMD的分解結果，增強了分量的頻率幅值。通過對滾動軸承故障信號特征的提取證明了該方法有良好的效果。
　　最后利用LabVIEW軟件開發(fā)平臺設計了滾動軸承故障診斷系統(tǒng)，其中