基于CEEMDAN的滚动轴承早期故障特征提取方法研究

摘要

复杂装备功能日益增多，应用日益普遍，但是一旦其中的某一关键部件出现故障，就会影响整台装备的安全运行，甚至有可能造成安全事故。滚动轴承是出现故障频率最高的部件之一，因此，研究滚动轴承早期故障特征提取方法具有非常重要的意义。
　　经验模态分解(EMD)方法能够自适应地分解和处理非平稳信号，但在噪声和脉冲冲击干扰下存在模态混叠，针对此问题人们提出了集合经验模态分解(EEMD)，但仍然会有模态混叠和虚假分量的缺陷，为此引入了自适应噪声辅助的集合经验模态分解(CEEMDAN)方法。经过研究，CEEMDAN较 EEMD方法能更好地抑制模态混叠与虚假分量。本文提出了基于 CEEMDAN分解和谱峭度理论的轴承早期故障包络分析方法。通过 CEEMDAN对原始振动信号进行分解，根据峭度值指标和自相关函数选择有效模态分量并重组信号，进而计算重组信号的快速谱峭度图对其中的冲击成分进行频带定位，并设计相应参数的滤波器进行滤波，最后进行能量算子解调包络分析完成故障特征的提取。本文通过故障仿真数据和轴承故障实验数据验证了该诊断方法的有效性。
　　针对CEEMDAN方法在强噪声背景下分解效果不够理想的问题，本文提出了基于级联自适应双稳随机共振和 CEMDAN分解的微弱故障特征提取方法，首先通过级联自适应双稳随机共振系统对原始振动信号进行降噪处理，再通过CEEMDAN分解分离残余噪声以突出故障信号成分。本文通过仿真信号和轴承实验数据验证了该诊断方法的有效性。
　　最后，在理论研究的基础上，利用LabVIEW和MATLAB混合编程开发了便携式振动信号采集系统和离线振动数据分析系统软件，将研究成果投入到实际的工程应用中。

目录

声明

字母注释表

第一章 绪 论

1.1 课题研究背景及意义

1.2 故障诊断技术概述

1.3 故障诊断技术的发展趋势

1.4 滚动轴承故障诊断机理

1.5 课题来源及主要研究内容

1.6 本章小结

第二章 CEEMDAN方法及其特性研究

2.1 经验模态分解

2.2 集合经验模态分解方法

2.3 自适应噪声辅助的集合经验模态分解方法

2.4 本章小结

第三章 基于CEEMDAN和谱峭度理论的包络分析方法

3.1 谱峭度理论

3.2 能量算子解调

3.3 仿真信号处理

3.4 实验信号分析

3.5 本章小结

第四章 基于随机共振降噪与CEEMDAN的诊断方法

4.1 双稳随机共振理论

4.2 二次采样理论

4.3 自适应随机共振

4.4 级联双稳自适应随机共振

4.5 基于级联自适应随机共振降噪和CEEMDAN的故障频率提取

4.6 实验分析

4.7 本章小结

第五章 基于虚拟仪器的轴承诊断软件开发

5.1 LabVIEW开发环境介绍

5.2 系统体系结构

5.3 数据采集端软件开发

5.4 离线故障诊断软件开发

5.5 本章小结

第六章 总结与展望

6.1 工作总结

6.2 研究展望

参考文献

发表论文和参加科研情况说明

致谢