基于小波分析的轴承故障检测应用研究讨.docxVIP

基于小波分析的轴承故障检测应用研究 宋兴平 陈德任 季长剑 杜长志 指导教师：黄伟国 （苏州大学 城市轨道交通学院） 摘要：针对滚动轴承振动信号的非平稳和调制特点，基于小波分析的轴承故障检测能够克服信号时域难以分析、傅里叶变换的不足，应用小波分解，对含有故障特征的滚动轴承振动信号进行分解和重构，实现故障特征的提取。运用Hilbert理论实现对信号进行包络分析，得出特征频率，并判断滚动轴承的故障类型。 本文从理论上推导了基于小波分析的轴承故障检测的可行性，并从实验数据验证了小波分析的实用性 关键词：滚动轴承；故障诊断；小波分析；Hilbert The Study Of Fault Inspect Of Rolling Bearings Based On The Wavelet Analysis Song XingPing, Chen DeRen, Ji ChangJian, Du ChangZhi Teacher:Huang WeiGuo （Soochow University, Urban Rail Transit） Abstract：For non-stationary and modulation characteristics of vibration signals of bearing fault detection based on wavelet analysis can overcome difficult time domain signal analysis, lack of Fourier transform, the application of wavelet decomposition of vibration signals contain fault characteristics of decomposition and reconstruction achieve fault feature extraction. Hilbert theory achieved using the signal is demodulated and refinement, drawn characteristic frequency, and determine the fault type of rolling bearings. This paper theoretically feasible bearing fault detection based on wavelet analysis and wavelet analysis to verify the usefulness of the data from the experiment Keywords: Rolling; fault diagnosis; wavelet analysis; Hilbert  目录 前言 背景及研究进展 本文主要研究内容 滚动轴承故障特征分析 2.1 滚动轴承故障形式 2.2 滚动轴承振动机理 2.3 滚动轴承故障特征频率分析 2.4 滚动轴承振动检测 2.4.1 测量位置和方向的选择 2.4.2 测量参数的选择 传统对振动信号分析 3.1 振动信号时域分析 3.1.1 峰值 3.1.2 均方值根（有效值） 3.1.3 峰值因子（波峰因素） 3.1.4 峭度 3.2 振动信号频域分析 3.2.1 快速傅里叶变换 3.2.2 功率谱 3.2.3 共振解调法 3.2.4 传统方法存在的问题 小波分析理论 4.1 小波理论概述 4.2 小波变换定义 4.2.1 连续小波变换 4.2.2 离散小波变换 4.2.3 小波框架 4.2.4 多分辨分析 4.2.5 机械诊断中常用小波 希尔伯特分析理论 5.1 变换公式定义 5.2 常见的变换对 5.3 希尔伯特变换的性质 5.4 希尔伯特变换的应用 实验验证 6.1 滚动轴承振动实验 6.2 MATLAB简介 6.3 实验数据处理 6.4 小结 结语 参考文献  第一章 前言 1.1 背景及研究进展 随着科技的不断发展，机械使用程度不断提高，应生产的需要，机械故障诊断技术发展于上世纪六七十年代。机械故障诊断技术是一种了解和掌握设备运行过程中的状态，确定其整体或局部是否处于正常，早期发现设备故障及其原因，并能预报故障发展趋势的技术[1]。其主要的诊断方式有油液监测、振动监测、噪声监测、性能预期分析等。机械诊断技术的出现，带来了巨大经济效益，因而成为世界各国的研究热点，1983年，我国引入该项技术，几十年不断发展，现已达到世界水平。 现代机械中大多数是旋转机械，即机械内部有些构件是需要旋转的，比如常见的电动机、粉碎机、切割机、车辆、工厂里大多数机械。