论文部分内容阅读
现行对轴承运行状态的检测,大部分是通过共振解调技术。然而轴承实际运行中,难免会有变转速及齿轮啮合的干扰,使得振动信号不再满足共振解调的前提。同时轴承是现代化工业设备中最常见的标准零件之一,其运行状态直接关系到整台设备乃至整个系统的性能。由此,变转速、齿轮啮合干扰下,轴承故障诊断技术的研究日益凸显。本文以滚动轴承为研究对象,对其在变转速及齿轮啮合干扰下的特征提取技术进行了深入的探讨与研究。主要内容有:对比分析了谱峭度与带通滤波技术的优缺点,并由仿真与实验结果表明,对于轴承故障特征的提取,一定程度上,带通滤波技术要优于谱峭度分析。针对于经验模态分解(EMD)在处理瞬变信号时产生的模态混叠及端点效应现象。本文以集合经验模态分解(EEMD)算法解决了 EMD在处理间断信号时的模态混叠问题,以局部均值分解(LMD)算法在很大程度上抑制了 EMD的端点效应问题。最终通过三者对比发现,LMD算法在提取信号有效成分,抑制噪声成分上要优于EMD及EEMD算法。针对于变转速的影响,本文将齿轮峰值啮合倍频(IDMM)等效为轴承转频,以计算恒定角增量的鉴相时标,并对原时域非周期信号进行插值重采样,将其转变为恒定角增量的角域周期信号。仿真与实验表明,该方法不仅消除了变转速下包络谱的频率模糊现象,完成了故障识别,而且摆脱了对单独测速设备的依赖,在一定程度上克服了安装空间、成本对阶比技术的限制。针对于齿轮啮合干扰的影响,本文建立了变转速及齿轮啮合下滚动轴承振动信号的仿真模型。用IDMM对仿真模型进行了角域重采样,用线性预测算法(AR模型)对齿轮啮合干扰进行预测及消除,最终消除了变转速的影响,实现了轴承振动信号与齿轮啮合干扰的有效分离。LMD算法可以将振动信号分解为一系列的生产分量(PF分量)。但是对每个PF分量都进行轴承故障特征的提取,会浪费计算资源。本文以相关性系数这一指标来对PF分量进行筛选。然后对筛选结果作共振解调,以获取轴承故障特征,大大减少了计算量。本文在分析现有轴承故障诊断技术的基础之上,提出了变工况下基于LMD与带通滤波技术的滚动轴承故障诊断方法。该方法有机结合了 LMD、IDMM、阶比跟踪、带通滤波以及包络解调等技术。且经仿真及实验验证,该方法准确、可行。