回转窑是建材、冶金、化工等行业的大型生产设备,主要由筒体、轮带、托轮和传动系统组成。回转窑长期处于高温、重载的恶劣工况中,往往会发生窑中心线偏移、筒体弯曲变形等隐蔽故障。当故障发展严重托轮轴瓦发热引起停产事故时,将给企业带来安全隐患和经济损失。目前,国内缺乏回转窑早期故障检测的理论和方法的研究,对回转窑故障信号的处理方法也有待改进。因此,本文对回转窑主要故障进行理论分析,比较经典时频分析方法在故障特征提取方面的优缺点,提出基于经验小波变换(Empirical Wavelet Transform,EWT)的回转窑故障检测方法。主要研究内容如下:(1)定性分析支承托轮的受力情况,探讨了筒体弯曲变形和窑中心线偏移两种故障对托轮挠度变化的影响和关联关系,发现托轮挠度变化信号中含有这两种故障特征信息。在托轮挠度推导式中含有筒体工作频率、托轮工作频率、筒体弯曲变形量以及筒体在该档位处的等效质量等特征参数,指出筒体弯曲变形量影响筒体工作频率谐波的幅值,而筒体等效质量均影响托轮和筒体工作频率谐波的幅值。(2)根据上述测量分析结果,设计了一套托轮挠度变化信号的测量系统,详细介绍其中各传感器的选型、传感器现场固定件的设计和制作以及上位机软件LabVIEW程序的设计,并将其应用于回转窑现场,测得窑各档托轮的挠度变化信号数据。(3)由于实测托轮挠度变化信号数据表现出非平稳性,运用几种经典时频联合域分析方法处理托轮挠度变化信号,均可分解出其中的故障特征谐波,但分解效果受到自身方法约束而不佳。因此本文提出一种基于EWT的回转窑托轮挠度变化信号特征提取方法,它吸收了经验模态分解和小波变换的各自优点,能够有效防止模态混叠现象的出现。经过对仿真信号和实际测量信号的研究分析表明,EWT可以有效提取信号中的特征模态,且自适应处理分解效果优于经验模态分解。最后将EWT的处理结果与其他回转窑检测方法结果进行对比,验证了EWT在回转窑故障检测中的正确性和可行性。