论文部分内容阅读
高档数控装备功能日趋丰富和复杂,一旦某一关键部件在运行时出现微弱故障,就可能影响整台装备的安全运行,因此,研究复杂机械装备的状态监测与故障诊断理论和应用能够确保其安全、可靠、连续运行。滚动轴承是出现故障频率最高的部件之一,因此,本文从滚动轴承早期故障特征提取方法展开研究。经验模式分解方法能够有效地处理非平稳、非线性动态信号,但在噪声和脉冲冲击干扰下存在模式混叠,为此,引入噪声辅助集合经验模式分解(EEMD)处理轴承故障动态信号,分离和提取出信号中所包含的故障特征信号和噪声信号。利用EEMD降噪特性,研究基于EEMD降噪和谱峭度理论的轴承早期故障自适应包络分析方法。通过EEMD对原始动态信号进行分解,根据峭度值指标和自相关性分析选择有用模式分量并重构,进而结合谱峭度法在瞬态冲击信号检测中的优势,对降噪后的信号自适应确定平方包络分析的最佳带通滤波器参数,应用包络分析技术识别出早期微弱故障特征频率,并通过故障仿真数据和轴承故障实验验证该方法的有效性。针对EEMD在更强噪声干扰下降噪效果不理想的问题,利用EEMD有效的抗混分解和特征提取特性,研究基于级联双稳随机共振预处理和EEMD分解的非平稳信号微弱特征提取方法,分解和提取出随机共振输出后信号所包含的低频故障特征频率成分,对故障信号进一步分解和诊断增强,减少信号分解层数,最后通过仿真信号和轴承实验数据验证方法的有效性。在此基础上,作为基础理论研究的实用载体,研究与开发基于网络的机床轴承等关键部件动态信号监测诊断集成系统,采用模块化的设计思想,利用VisualC++和Matlab混合编程技术实现系统的构建和算法集成,从数据采集层、信息传输层及远程监测诊断分析层阐述和实现各子模块功能,最后,针对机床丝杠轴承松动故障实验进行系统验证,实现机床轴承等关键部件运行状态动态信号的实时显示、监测、远程诊断与维护。