论文部分内容阅读
轴承是电动机中一个重要的部件,一旦发生故障,会直接影响生产的安全性。为了尽可能早地发现电机的故障,实现预先维修,减少生产损失,本文对电机轴承故障诊断方法进行了研究,主要工作如下: (1)基于非抽样提升小波的信号预处理。分析了传统小波与抽样提升小波用于机械故障信号分析时存在的问题;针对提升小波变换存在频率混叠的原因,提出使用非抽样算法抑制频率混叠;针对非抽样提升小波包产生频带错位提出修正算法;将修正后的算法运用于电机轴承振动信号的处理,各层频带的频率混叠现象得到抑制,也消除了频带错位现象。 (2)基于奇异值分解的信号降噪。奇异值降噪技术中有效阶次的选择与重构矩阵结构的确定是两个关键因素,为了提高信噪比,论文提出使用奇异熵增量渐近特性确定降噪的阶次,使用分析数据长度的一半作为重构矩阵的行数;将优化的奇异值降噪技术运用于电机轴承信号的降噪处理,降噪信号的标准差明显得到降低。 (3)基于非抽样提升小波包与奇异值降噪技术相结合的轴承故障诊断。利用峭度准则提取带有冲击特征的频带,并用于电机轴承的故障诊断。 将本文提出的非抽样提升小波包与奇异值降噪相结合的方法,应用于现场信号,有效地提取出信号中的弱冲击成分,成功诊断出电机的早期故障,并在随后的机组停机检修中得到证实,验证了方法的有效性。