基于改进自适应变分模态分解的滚动轴承微弱故障诊断.pptxVIP

基于改进自适应变分模态分解的滚动轴承微弱故障诊断

汇报人：

2024-01-15

引言

滚动轴承微弱故障特征分析

改进自适应变分模态分解方法

基于改进AVMD的滚动轴承微弱故障诊断模型构建

实验验证与结果分析

结论与展望

contents

目

录

引言

01

1

2

3

滚动轴承是机械设备中广泛使用的关键部件，其运行状态直接影响整个设备的性能和安全性。

滚动轴承在机械设备中的重要性

微弱故障初期难以察觉，但会逐渐恶化并导致严重故障，造成设备停机、生产中断甚至安全事故。

微弱故障对设备的影响

及早发现微弱故障并进行处理，可以避免故障扩大，减少维修成本和停机时间，提高设备运行效率。

早期诊断的必要性

传统故障诊断方法

基于振动信号分析、油液分析等，对明显故障有较好的诊断效果，但对微弱故障的诊断能力有限。

自适应变分模态分解（VMD）的应用

VMD是一种有效的信号处理方法，能够将复杂信号分解为多个固有模态函数（IMF），适用于非线性和非平稳信号的处理，为微弱故障诊断提供了新的思路。

改进自适应VMD的研究动态

针对VMD在实际应用中存在的问题，如参数选择、模态混叠等，国内外学者提出了多种改进方法，如自适应参数优化、模态解耦等，进一步提高了VMD在微弱故障诊断中的准确性和可靠性。

研究目的：通过改进自适应VMD方法，提高对滚动轴承微弱故障的诊断能力和准确性，为机械设备的状态监测和故障诊断提供新的技术手段。

研究内容

分析滚动轴承微弱故障的特征和表现形式；

研究自适应VMD方法的原理和实现过程；

针对VMD在实际应用中存在的问题，提出相应的改进方法；

通过实验验证改进自适应VMD方法在滚动轴承微弱故障诊断中的有效性和优越性。

滚动轴承微弱故障特征分析

02

由内圈、外圈、滚动体和保持架组成，通过滚动体在内、外圈之间的滚动实现支撑和转动功能。

滚动轴承基本结构

当轴承受到载荷作用时，滚动体通过滚动实现载荷的传递和分散，同时减小摩擦和磨损，保证轴承的高效运转。

工作原理

主要包括疲劳剥落、磨损、裂纹等，这些故障初期往往难以察觉，但会逐渐扩大并影响轴承性能。

微弱故障特征通常表现为振动信号的异常变化，如频率成分的增加、幅值的波动等。这些特征往往淹没在强背景噪声中，难以直接识别。

特征描述

微弱故障类型

信号预处理

通过降噪、滤波等方法提高信号质量，突出故障特征。

改进自适应变分模态分解方法

03

03

模态函数

固有模态函数是信号分解的基本单元，每个模态函数代表信号的一种振动模式。

01

变分模态分解

一种非线性、非平稳信号处理方法，通过构造变分问题将复杂信号分解为多个固有模态函数之和。

02

自适应性

该方法具有自适应性，能够根据信号特性自动调整分解参数，实现信号的自适应分解。

改进目标

针对传统自适应变分模态分解方法存在的模态混叠、端点效应等问题进行改进。

算法流程

包括预处理、自适应参数设置、变分模态分解、后处理等步骤。

关键技术

采用先进的信号处理技术，如经验模态分解、局部均值分解等，提高分解精度和效率。

采用信噪比、均方根误差等指标评估算法性能。

评估指标

与传统自适应变分模态分解方法、其他先进信号处理方法进行对比实验。

对比实验

从分解效果、计算效率、抗噪性能等方面对实验结果进行深入分析。

结果分析

基于改进AVMD的滚动轴承微弱故障诊断模型构建

04

使用加速度传感器采集滚动轴承的振动信号，并进行模数转换和存储。

数据采集

对采集到的原始振动信号进行去噪、滤波和标准化等预处理操作，以提高信号质量和降低计算复杂度。

预处理

特征提取

利用改进的自适应变分模态分解（AVMD）算法对预处理后的振动信号进行分解，得到一系列固有模态函数（IMF）。

特征选择

从分解得到的IMF中提取出与滚动轴承故障相关的特征，如峭度、峰值、均方根值等，并构建特征向量。

实验验证与结果分析

05

分解效果

故障特征提取

故障诊断结果

通过改进的自适应变分模态分解（AVMD）方法，将采集到的振动信号分解为多个固有模态函数（IMF），有效提取出故障特征。

从分解得到的IMF中提取故障特征，如峭度、峰值等，用于后续故障诊断。

基于提取的故障特征，采用合适的分类器进行故障诊断，实现滚动轴承微弱故障的有效识别。

对比方法

选择经验模态分解（EMD）、局部均值分解（LMD）等传统方法作为对比。

实验结果对比

从分解效果、故障特征提取和故障诊断准确率等方面，对改进AVMD方法和传统方法进行对比分析。

结果分析

通过实验结果的对比分析，验证改进AVMD方法在滚动轴承微弱故障诊断中的优越性和有效性。

结论与展望

06

目前研究主要集中在单一故障类型的诊断，未来可以进一步拓展到多种故障类型的综合诊断。

多故障类型诊断

开发适用于工业现场的实时在线诊断技术，实现对滚动轴承微弱故