基于全矢MEMD的滾動軸承狀態(tài)退化研究.pdf

1、多維經(jīng)驗?zāi)B(tài)分解（MEMD）及其擴展算法噪聲輔助MEMD（NA-MEMD），本文統(tǒng)稱為MEMD，能夠?qū)Χ嗤ǖ佬盘栠M行聯(lián)合分析，結(jié)合全矢譜技術(shù)，為研究滾動軸承的在相同頻率段內(nèi)的狀態(tài)退化提供了方法。本文以滾動軸承全壽命周期內(nèi)的振動信號為研究對象，定性研究了滾動軸承退化過程的頻譜結(jié)構(gòu)變化，研究了退化過程的指標選取，定量研究了滾動軸承的剩余壽命。主要工作如下：
　?。?）為了識別滾動軸承退化過程，提出一種MEMD和全矢融合相結(jié)合的方法——

2、全矢MEMD。對代表不同狀態(tài)的多通道振動信號進行MEMD分解，得到一系列多元 IMF分量，利用互相關(guān)系數(shù)準則選取最敏感的一階 IMF分量代表原始信號，對其進行全矢包絡(luò)分析來提取信號的特征。分別對模擬信號和辛辛那提大學的實例信號進行分析。結(jié)果表明，隨著故障程度的增加，頻譜結(jié)構(gòu)變得復雜，且呈現(xiàn)出了規(guī)律性。為進一步研究整個滾動軸承退化過程的頻譜結(jié)構(gòu)變化提供了一種新思路。
　?。?）針對如何選取和構(gòu)建滾動軸承退化過程指標，提出了 NA-M

3、EMD和主成分分析（PCA）相結(jié)合的退化指標構(gòu)建方法。首先利用NA-MEMD對全壽命周期內(nèi)的雙通道信號和噪聲輔助通道信號進行分解，然后采用相關(guān)系數(shù)準則選取較為敏感的幾階 IMF分量重構(gòu)信號，其次計算出重構(gòu)信號的退化指標序列，根據(jù)序列的單調(diào)性和魯棒性，選擇優(yōu)良指標作PCA融合，最后選擇第一主成分作為滾動軸承退化過程的最終指標。對PRONOSITS平臺提供滾動軸承振動信號進行分析，結(jié)果表明與單一指標相比，基于NA-MEMD和PCA融合的指標