基于盲源分離和多尺度熵(MSE)的滾動(dòng)軸承故障診斷.pdf

1、滾動(dòng)軸承是許多機(jī)械設(shè)備的重要部件之一，其能否正常運(yùn)行關(guān)系到機(jī)械設(shè)備的正常與否。傳統(tǒng)滾動(dòng)軸承故障診斷方法常常忽略傳感器采集的振動(dòng)信號(hào)是多個(gè)源信號(hào)混合的事實(shí)，直接采用適用于平穩(wěn)信號(hào)分析的傅里葉變換對(duì)非平穩(wěn)振動(dòng)信號(hào)進(jìn)行處理，難以全面、準(zhǔn)確地分析源信號(hào)所包含的故障類(lèi)型。針對(duì)傳統(tǒng)滾動(dòng)軸承故障診斷技術(shù)的不足，本文提出基于盲源分離和多尺度熵的滾動(dòng)軸承故障診斷方法。
　　滾動(dòng)軸承作為一種精密元件，當(dāng)軸承某一部件出現(xiàn)異常時(shí)，軸承其他部件往往會(huì)產(chǎn)生連

2、鎖反應(yīng)，傳感器采集到的振動(dòng)數(shù)據(jù)往往是多個(gè)部件異常振動(dòng)的疊加。為了更加精準(zhǔn)地識(shí)別各個(gè)異常情況，本文提出基于盲源分離的單通道振動(dòng)信號(hào)分離方法，該方法利用極點(diǎn)對(duì)稱(chēng)模態(tài)分解將欠定盲源分離問(wèn)題轉(zhuǎn)換為正定盲源分離問(wèn)題，然后采用基于時(shí)頻分析的盲源分離方法分離源信號(hào)。仿真結(jié)果表明，該方法分離出的源信號(hào)與實(shí)際源信號(hào)相關(guān)系數(shù)分別達(dá)到0.9771、0.9784、0.9660，能夠以較高的分離精度將單個(gè)多源混合信號(hào)逐一分離出來(lái)。
　　針對(duì)分離信號(hào)的特征提

3、取，提出采用經(jīng)驗(yàn)?zāi)B(tài)分解和多尺度熵方法來(lái)提取分離信號(hào)的特征量。經(jīng)驗(yàn)?zāi)B(tài)分解方法在使用過(guò)程中，常常受到端點(diǎn)效應(yīng)的影響。針對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解方法端點(diǎn)效應(yīng)問(wèn)題，提出基于波形平均的端點(diǎn)效應(yīng)抑制方法，根據(jù)信號(hào)自身特性來(lái)延拓信號(hào)，具有較好的自適應(yīng)性，能夠較好地抑制經(jīng)驗(yàn)?zāi)B(tài)分解端點(diǎn)效應(yīng)。為了有效識(shí)別故障類(lèi)型，采用 BP神經(jīng)網(wǎng)絡(luò)對(duì)故障進(jìn)行辨識(shí)。實(shí)驗(yàn)結(jié)果表明，本文提出的滾動(dòng)軸承故障診斷方法對(duì)軸承內(nèi)圈故障、外圈故障以及正常狀態(tài)的識(shí)別率分別達(dá)到97％、86%、9