论文部分内容阅读
滚动轴承是旋转机械中承受载荷最重要的元件之一，在保持轴的旋转精度，减少轴与支撑之间的摩擦，起着非常重要的作用。滚动轴承也是机器中最主要的故障源之一，它的失效将直接导致整台设备的运行失常。因此，尽早的发现滚动轴承故障，预测滚动轴承故障初始时间具有重要意义。 由于在故障早期滚动轴承的振动信号噪信比较高，故障成分往往被强烈的噪声所淹没，很难将故障成分从噪声中分离出来，因此，本文运用EEMD和谱峭度相结合的方法对滚动轴承早期故障初始时间进行预测。本论文的主要的研究内容主要包括: (1)运用EEMD方法对滚动轴承振动信号进行降噪。给出了EEMD算法的定义和描述，通过轴承试验数据，验证了EEMD比EMD拥有更好的分解效果，提出了互相关系数降噪理论和峭度降噪理论。通过实验结果表明:采用EEMD方法能有效的减少振动信号低频干扰，突出高频共振成分。 (2)采用谱峭度精确定位特征频率的能力构造滤波器。为了滤出信号中含有丰富故障特征成分的频带信号，根据谱峭度(SK)滤波器的特性，结合基于塔式算法的二维图像—“快速峭度图”法，提出对滚动轴承信号进行滤波，通过分析仿真信号和轴承早期故障振动信号，验证了谱峭度精确定位特征频率和滤波的能力。 (3)提出EEMD与谱峭度相结合的滚动轴承故障初始时间预测方法。通过EEMD降噪，减少振动信号低频干扰，突出高频共振成分，同时综合谱峭度的对特征频率精确定位的能力，分析滚动轴承全寿命试验数据，拟合出滤波后信号的能量在时间上的变化曲线，从而估计出滚动轴承初始故障时间。实验结果表明:EEMD与谱峭度相结合的故障特征量提取方法能更早的发现滚动轴承故障的初始时间。