基于改进经验小波变换的滚动轴承故障诊断方法研究.pdf

摘 要 摘 要 滚动轴承作为旋转机械中应用最为广泛的关键零部件之一，由于其常工作 于高速、高温、重载的恶劣环境，导致其成为机械设备中最容易损坏的部件。 对滚动轴承开展实时状态监测与故障诊断，对于避免安全事故的发生，提升机 械设备的安全性能具有重要意义。滚动轴承早期故障特征信息微弱，容易受到 强干扰噪声的影响，采用常用的故障诊断方法难以对其进行故障诊断与识别。 本文提出基于改进经验小波变换的滚动轴承早期微弱故障诊断方法，主要研究 内容如下： (1) 针对传统经验小波变换频谱划分存在的冗余分量问题，提出一种基于互 信息的改进经验小波变换方法，该方法可以排除冗余分界点，对频谱进行重新 划分，得到更有价值的分量。研究结果表明：改进的经验小波变换能够有效减 少冗余分量，提升信号分解的精确度。 (2) 将改进经验小波变换与最小熵解卷积相结合用于滚动轴承故障诊断。振 动信号经改进经验小波变换处理得到分量，采用基于互信息与峭度的最佳分量 选取准则优选出包含故障信息最丰富的分量进行重构，经过最小熵解卷积有效 降低干扰噪声的影响。研究表明：该方法适用于货车轮对轴承早期微弱故障的 诊断和监测，在工程实际中具有一定的应用价值。相比于集合经验模态分解， 具有更明显的诊断效果。 (3) 将改进经验小波变换与量子遗传算法优化的支持向量机用于滚动轴承 故障诊断。分别以西储大学轴承数据与高速列车轴承数据进行验证。研究表明： 基于改进经验小波变换与量子遗传算法优化的支持向量机滚动轴承故障诊断方 法能够有效识别不同健康状态、故障尺寸的轴承类型，相比于传统经验小波变 换与变分模态分解等方法具有更好的分类识别效果。 关键词：滚动轴承；故障诊断；改进经验小波变换；最小熵解卷积；支持 向量机 目 录 目 录 第一章 绪 论1 1.1 研究背景与研究意义1 1.2 滚动轴承故障诊断的发展历程2 1.3 滚动轴承故障诊断方法的国内外研究现状3 1.3.1 故障信息提取方法研究现状4 1.3.2 模态分解方法研究现状6 1.3.3 故障模式智能识别方法研究现状8 1.4 滚动轴承故障诊断的发展趋势9 1.5 论文章节安排10 第二章 滚动轴承振动机理及故障分析方法12 2.1 滚动轴承典型结构12 2.2 轴承故障信号振动机理分析13 2.3 滚动轴承故障失效形式及形成原因14 2.4 轴承故障特征频率计算14 2.5 本章小结15 第三章 基于改进经验小波变换的滚动轴承故障诊断方法研究16 3.1 经验小波变换理论16 3.1.1 EWT 理论16 3.1.2 频谱划分方法18 3.2 改进经验小波变换18 3.3 仿真信号结果对比20 3.3.1 IEWT 方法分解结果20 3.3.2 EEMD 方法分解结果24 3.3.3 IEWT 与EEMD 分解效果对比26 3.4 本章小结27 第四章 基于改进经验小波变换与最小熵解卷积的滚动轴承故障诊断方法28 4.1 最小熵解卷积28 4.2 基于改进经验小波变换与最小熵解卷积的滚动轴承故障诊断方法研究.29 4.3 仿真信号验证30 I 目 录 4.4 实验信号验证34 4.4.1 内圈故障35 4.4.2 外圈故障40 4.4.3 滚动体故障43 4.4.4 EEMD 方法对比46 4.5 本章小结48 第五章 基于改进经验小波变换与支持向量机的滚动轴承故障诊断方法49 5.1 支持向量机理论49 5.2 特征向量构造53 5.3 基于改进经验小波变换与支持向量机的滚动轴承故障诊断方法54 5.3.