基于HHT和模糊神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷研究.pdf

1、滾動(dòng)軸承是大型旋轉(zhuǎn)機(jī)械設(shè)備的關(guān)鍵部件之一,由于它經(jīng)常運(yùn)行,所以很容易磨損。當(dāng)它磨損后發(fā)生故障時(shí),又會(huì)伴有很強(qiáng)的噪聲產(chǎn)生。為了保證機(jī)械設(shè)備的安全可靠運(yùn)行,需要對(duì)滾動(dòng)軸承進(jìn)行故障診斷。滾動(dòng)軸承在工作時(shí),會(huì)產(chǎn)生周期性的振動(dòng),根據(jù)振動(dòng)的幅值和頻率,來診斷軸承發(fā)生了哪種故障。本文以瑞典SKF公司生產(chǎn)的6205-2RS JEM深溝球軸承為研究對(duì)象,對(duì)滾動(dòng)軸承進(jìn)行故障診斷,識(shí)別以下三種故障:內(nèi)圈故障、外圈故障以及滾動(dòng)體故障。
　　由于滾動(dòng)軸承在

2、工作的情況下會(huì)帶有噪聲,一旦故障發(fā)生,伴隨的噪聲會(huì)越來越大。為了準(zhǔn)確地識(shí)別出滾動(dòng)軸承的不同故障類型,需要對(duì)滾動(dòng)軸承的故障信號(hào)進(jìn)行降噪預(yù)處理,采用一種新型的處理非線性、非平穩(wěn)信號(hào)的方法-經(jīng)驗(yàn)?zāi)B(tài)分解法,結(jié)合小波包對(duì)軸承故障信號(hào)進(jìn)行降噪處理。得到降噪之后的信號(hào),對(duì)已處理的信號(hào)進(jìn)行小波包三層分解,得到能量特征向量,然后將能量特征向量導(dǎo)入到自適應(yīng)神經(jīng)模糊推理系統(tǒng)中進(jìn)行故障診斷。仿真結(jié)果表明:利用經(jīng)驗(yàn)?zāi)B(tài)分解結(jié)合小波包的降噪方法能有效地提高信號(hào)的

3、信噪比,在降噪的基礎(chǔ)上,采用自適應(yīng)神經(jīng)模糊推理系統(tǒng)進(jìn)行故障診斷,診斷結(jié)果正確率高,可以很好的識(shí)別出三種不同的故障類型。
　　由于經(jīng)驗(yàn)?zāi)B(tài)分解存在模態(tài)混疊的問題,會(huì)使復(fù)雜信號(hào)的分解結(jié)果所表示的物理意義不清楚。為了克服這個(gè)缺點(diǎn)并且選取有用的本征模態(tài)函數(shù)分量,將集合經(jīng)驗(yàn)?zāi)B(tài)分解和分布擬合檢驗(yàn)兩種算法相結(jié)合,來提取滾動(dòng)軸承中的故障信息。由于滾動(dòng)軸承故障信號(hào)具有隨機(jī)性,采用集合經(jīng)驗(yàn)?zāi)B(tài)分解可以很好的減輕模態(tài)混疊的問題。為了獲取有用的本征模態(tài)