基于多指标模糊融合的滚动轴承诊断的最优频带解调方法.pdfVIP

第 51 卷第 7 期 机 械 工 程 学 报 Vol.51 No.7 2015 年 4 月 JOURNAL OF MECHANICAL ENGINEERING Apr. 2015 DOI ：10.3901/JME.2015.07.107 基于多指标模糊融合的滚动轴承诊断的最优 频带解调方法* 1, 2 1 2 李 川 朱荣荣 杨 帅 (1. 重庆工商大学制造装备机构设计与控制重庆市重点实验室 重庆 400067 ； 2. 渥太华大学机械工程系 渥太华 K1N 6N5 加拿大) 摘要：轴承运行时会产生较大的振动噪声，采用振动信号统计量指标可以识别其共振频带，并通过共振频带解调来提取故障 特征信号。目前常用的峭度图等方法根据经验自顶向下粗略划分轴承振动频谱，而且采用单一指标识别共振频带，常常被噪 声所干扰，因而鲁棒性不高。为了提高滚动轴承故障诊断的精度，提出一种多指标模糊融合的最优频带解调方法。采用自底 向上的思路，以最小化代价函数为条件，通过细分振动频谱，将细分的频谱进行双向合并，可以提高频带划分的精度。在提 出的方法中，代价函数由峭度、平滑因子、峰度系数等多个指标应用模糊贴近度方法进行数据融合构造，可以有效提高识别 最优共振频带的鲁棒性。分别采用仿真信号和实际采集信号对所提出的方法进行测试，与现有的单指标方法相比，试验结果 表明所提出的方法可以正确诊断滚动轴承的故障。 关键词：模糊数据融合；故障诊断；滚动轴承 中图分类号：TH133 Optimal Frequency Band Demodulation for Fault Diagnosis of Rolling Element Bearings Based on Fuzzy Fusion of Multiple Criteria LI Chuan1, 2 ZHU Rongrong1 YANG Shuai 2 (1. Chongqing Key Laboratory of Manufacturing Equipment Mechanism Design and Control, Chongqing Technology and Business University, Chongqing 400067; 2. Department of Mechanical Engineering, University of Ottawa, Ottawa K1N 6N5, Canada) Abstract ：Due to the existence of noises, a statistical criterion of the vibration signal can be used to guide the identification of the resonance frequency band, which is then demodulated for extracting the faulty signature of the bearing. The commonly used resonance demodulation methods, such as the Kurtogram, coarsely portion the vibration band by empirically are used a top-down strategy. Employing only one criterion for the resonance band identification, mor