基于小波包熵的轴承故障信号解调方法研究-机械设计及理论专业论文.docxVIP

内蒙 内蒙古科技大学硕士学位论文 万方数据 万方数据 摘 要 在当代中国各类经济行业中，尤其是在制造、运输、能源、冶炼、石油、国防科技等 行业中的核心零部件，其工作环境大多具有腐蚀、高温、高压等复杂、恶劣的环境特点， 设备中的核心零部件和重要机械结构不可避免的会发生不同程度的故障。轴承由于其零件 所在位置的特殊性，往往容易发生疲劳剥落和点蚀等故障，一旦发生故障，则会导致严重 的经济财产损失，减少设备的运行寿命。因此本文主要针对滚动轴承故障信号作为研究对 象，对故障信号的降噪与解调方法进行研究和讨论，论文的主要工作内容包括： （1）分析了滚动轴承故障信号处理中常用到的几种降噪方法，对比了小波与小波包相 关的降噪理论，针对故障信号中往往含有大量背景噪声难以去除的情况，提出了基于小波 包熵值与 EMD 分解相结合的降噪方法，该方法在经过小波包熵值的有效降噪后再进行 EMD 分解，能够自适应的从故障信号中提取出微弱的故障成分。 （2）提出了基于小波包熵值与自相关分析相结合的降噪方法，利用自相关分析能够突 出故障信号周期性的特性，将小波包熵值降噪法与之相结合，在小波包熵值降噪去除大量 噪声的同时利用自相关分析进一步抑制噪声，在保留原有故障调制信息的基础上突出信号 的周期性。 （3）对比了各类信号解调方法的优缺点，分析了在相同降噪方法下，能量算子解调法 与 Hilbert 解调法的解调效果，结合以上两种信号降噪分析方法，提出了基于小波包熵值与 EMD 的能量算子解调法；基于小波包熵值与自相关分析的能量算子解调法，从而准确的判 断故障位置。 （4）引入 EMD 与 EEMD 多分量分析，将小波包熵值降噪，自相关分析，能量算子解 调法与之结合起来，提出了一种基于多分量分析与自相关分析相结合的故障信号能量算子 解调法，该方法在小波包熵值有效降噪基础上，能够对故障信号进行有效的解调，实现对 故障位置的判别。 本文的研究工作为旋转机械故障信号的解调分析和诊断提供了一条新的方法思路，对 于滚动轴承故障信号的解调处理上具有一定的参考。 关键词：轴承；故障诊断；小波包熵值；EMD 分解；调制解调 I Abstract In Chinas modern national economy, especially machinery, transport, energy, metallurgy, petrochemical, defense and other industries in the key machinery and equipment，most of its work environment has the characteristics of corrosion, high temperature, high pressure and other complex environment. The key parts and important mechanical structure of the equipment will inevitably have different degrees of fault. Bearing due to the location of the special parts, often prone to imbalance, misalignment, bending, fatigue spalling , pitting and other faults. Once the fault occurs, it will lead to serious economic and property losses, reduce the operating life of the equipment. Therefore, this paper mainly focuses on the fault signal of the rolling bearing as the research object, the research and discussion on the method of the fault signal de-noising and demodulation, the main work of this paper includes: Analysis of the commonly used in bearing fault signal processing of several noise reduction methods, comparing the wavelet and wavelet packet de-noising theory. According to the f