滚动轴承作为机械系统中的关键基础元件,常工作于环境差、承载重的工况下,在其服役过程中极易出现各种失效故障,造成机械系统无法正常工作,甚至严重损坏,极大地影响生产过程的安全性和经济性。因此,开展滚动轴承的健康状态监测与早期故障诊断技术研究,对于保障机械系统的安全可靠运行具有重要的意义。近年来,机械故障诊断技术发展迅速,其中稀疏分解算法在该领域得到了广泛应用,验证了其在旋转机械故障诊断方面的可行性和有效性。本文以滚动轴承的故障诊断为目的,通过对稀疏分解理论及其本征属性进行分析研究,结合滚动轴承的结构、工作原理及工作时的动态响应特性,改进了稀疏分解在轴承故障诊断中的应用,优化了算法的稀疏分解效率和故障诊断精度,并开发了基于稀疏分解的滚动轴承故障诊断系统。主要内容如下:1.研究滚动轴承典型故障产生的原因,分析不同故障类型下滚动轴承振动信号产生的机理。根据信号产生机理,分析振动信号中包含的主要成分,建立各种故障类型的仿真信号。搭建滚动轴承故障模拟实验台及振动信号采集系统,采集不同工况、不同故障下的振动信号。2.研究现有的旋转机械故障诊断方法,分析稀疏分解理论和稀疏字典建立方法。提出一种改进的稀疏分解算法,该算法可实现稀疏分解效率和精度的优化:为提高稀疏分解算法的效率,对字典结构进行改进,提出分组小波字典的建立方法,基于该字典提出快速正交匹配追踪算法;为提高稀疏分解算法的精度,通过分析转频成分对稀疏分解精度的影响提出改进方案,以信噪比和均方根误差为判断依据,分析不同类型字典、不同原子长度及匹配次数对匹配结果的影响,确定匹配效果最佳的字典、原子长度及匹配次数。3.针对目前故障诊断算法工程应用性差的现状,利用Python语言进行基于稀疏分解的滚动轴承故障诊断软件系统设计,该系统包含数据文件调用与读取模块、故障特征频率计算模块、数据时频域图谱显示模块、信号处理与时频图谱显示模块、故障自动识别与结果显示模块。为提高滚动轴承故障诊断现场应用的时效性,系统中加入信号预处理功能,在满足奈奎斯特采样定理的条件下,自适应地降低待处理信号的数据量,提高稀疏分解速度,实现工业现场滚动轴承的故障特征提取与快速诊断。4.利用仿真分析和实验研究,验证改进的稀疏分解算法及故障诊断系统的准确性和有效性。