基于振动信号小波包分解的滚动轴承故障特征提取与诊断.docxVIP

PAGE2

基于振动信号小波包分解的滚动轴承故障特征提取与诊断

摘要

滚动轴承是旋转机械的核心承载部件，其健康状态直接影响设备运行安全。因长期交变载荷与恶劣工况，内圈、外圈等位置极易萌生局部损伤，传统的傅里叶频谱难以刻画非平稳故障冲击。本设计以振动信号为诊断媒介，引入小波包分解对全频带进行精细化分解，提取各频带能量构成高维特征向量，再输入支持向量机实现内圈故障与外圈故障的自动识别。

全文遵循“需求分析→总体方案→算法设计→实验验证”的递进范式。第一章明确故障诊断的工程痛点与研究目标；第二章对比时频分析工具与分类器，论证小波包与支持向量机组合的技术优势；第三章从设备维护人员视角梳理功能与非功能需求；第四章规划包含数据层、特征层、决策层的分层诊断架构；第五章详述三层小波包分解参数选取、频带能量归一化算法及“一对一”多分类支持向量机的训练流程；第六章基于公开轴承数据集完成算法实现与参数寻优；第七章通过混淆矩阵与分类准确率验证所提方法的有效性；第八章总结工作并展望深层特征自学习方向。

核心技术特色在于利用小波包精细分解能力捕捉微弱故障的频带能量差异，再结合支持向量机在小样本下的高泛化性能，形成了一套结构清晰、识别精度高的滚动轴承故障诊断方案。

第一章绪论

1.1研究背景

旋转机械在现代工业中承担动力传输与运动转换的关键任务，滚动轴承作为其核心支承部件，长期承受径向与轴向复合载荷。