機(jī)械振動(dòng)信號(hào)的故障特征分析與仿真.pdf

1、隨著高檔數(shù)控裝備功能日趨豐富和復(fù)雜，一旦某一關(guān)鍵部件在運(yùn)行時(shí)出現(xiàn)微弱故障，就可能影響整臺(tái)裝備的安全運(yùn)行，因此，研究復(fù)雜機(jī)械裝備微弱故障信號(hào)的特征提取技術(shù)和應(yīng)用是確保數(shù)控系統(tǒng)安全、可靠、連續(xù)運(yùn)行的關(guān)鍵。
　　 滾動(dòng)軸承是出現(xiàn)故障頻率最高的部件之一，因此，本文從滾動(dòng)軸承早期故障特征提取方法展開研究。傳統(tǒng)的經(jīng)驗(yàn)?zāi)Ｊ椒纸馑惴?EMD)能夠有效地處理非平穩(wěn)非線性動(dòng)態(tài)信號(hào)，但在噪聲和脈沖沖擊的干擾下會(huì)出現(xiàn)模式混疊的問題，為此，引入噪聲輔助集

2、合經(jīng)驗(yàn)?zāi)Ｊ椒纸?EEMD)來處理滾動(dòng)軸承的故障動(dòng)態(tài)信號(hào)，分離和提取出振動(dòng)信號(hào)中所包含的故障特征信號(hào)和噪聲信號(hào)，解決了模式混疊問題。
　　 針對(duì)滾動(dòng)軸承等關(guān)鍵部件早期微弱特征信號(hào)時(shí)變、非線性、信噪比低等特性，尤其在更強(qiáng)的背景噪聲干擾下，提取出微弱的低頻信號(hào)的故障特征頻率更是難上加難。因此，在進(jìn)行特征頻率的分解和提取之前必須先對(duì)大噪聲信號(hào)進(jìn)行降噪處理，研究了基于級(jí)聯(lián)雙穩(wěn)隨機(jī)共振預(yù)處理后非平穩(wěn)動(dòng)態(tài)信號(hào)EEMD分解的微弱特征提取算法。該

3、算法使湮沒在強(qiáng)大隨機(jī)背景噪聲中的微弱故障信息通過級(jí)聯(lián)隨機(jī)共振各級(jí)系統(tǒng)的共振作用得到增強(qiáng)放大。最后，通過MATLAB平臺(tái)編寫了上述算法的程序，并將該算法應(yīng)用于仿真系統(tǒng)和工程實(shí)測(cè)中，分析結(jié)果表明該算法能快速、有效地消除信號(hào)里的高頻噪聲干擾，并突出低頻有用信號(hào)成分，降噪效果顯著。
　　 本文所研究的算法能夠應(yīng)用于數(shù)控系統(tǒng)狀態(tài)檢測(cè)與故障診斷系統(tǒng)中，實(shí)現(xiàn)在強(qiáng)噪聲背景下預(yù)測(cè)潛在的早期微弱故障，并為遠(yuǎn)程故障診斷系統(tǒng)的研究提供理論基礎(chǔ)，在機(jī)械設(shè)