基于振動(dòng)信號(hào)的滾動(dòng)軸承故障診斷研究.pdf

1、滾動(dòng)軸承是機(jī)械設(shè)備中的重要零件,據(jù)統(tǒng)計(jì)旋轉(zhuǎn)機(jī)械的故障有30％是由滾動(dòng)軸承故障引起的。本文以振動(dòng)信號(hào)為基礎(chǔ),對(duì)滾動(dòng)軸承的故障診斷進(jìn)行了研究,主要完成以下工作:
　　 1)采用小波分析法對(duì)滾動(dòng)軸承振動(dòng)信號(hào)進(jìn)行了處理。小波分析作為一種多分辨率時(shí)頻分析方法是分析非平穩(wěn)信號(hào)的有力數(shù)學(xué)工具。本文采用對(duì)小波變換系數(shù)求包絡(luò)譜的分析法提取滾動(dòng)軸承故障特征頻率,結(jié)果提取出故障頻率的2倍頻率,并不是很準(zhǔn)確。
　　 2)使用小波包提取了振動(dòng)信號(hào)

2、特征參數(shù)。為了更精確地提取滾動(dòng)軸承的故障特征,本文采用小波包分解信號(hào),細(xì)化包絡(luò)譜分析,準(zhǔn)確地提取出了故障頻率。此外,通過對(duì)振動(dòng)信號(hào)時(shí)域統(tǒng)計(jì)指標(biāo)的提取和比較,選取了頻帶能量作為診斷故障類型的特征參數(shù)。
　　 3)應(yīng)用支持向量機(jī)(SVM)分類法識(shí)別了故障類型。針對(duì)數(shù)據(jù)樣本量不是很充分這一問題,本文引入了基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī),以支持向量機(jī)的二值分類算法為基礎(chǔ),構(gòu)造了支持向量機(jī)的多值分類器,對(duì)提取出振動(dòng)信號(hào)中的能量特征向量進(jìn)行分