论文部分内容阅读
滚动轴承是旋转机械的关键部件,其早期损伤的检测对保证旋转机械的稳定性至关重要。因此,开发精准的模型,并能够在初始阶段低信噪比条件下确定故障的存在具有重要意义。随机共振(SR)是一种不同于传统轴承故障诊断的方法,它通过在信号中加入一定量的噪声来提取目标信号。传统的随机共振方法存在滤波性能有限、输入信号频率低和信号特征频率(FC)先验条件参数不足等缺点。本文的目的是改进随机共振法,并进一步应用于滚动轴承故障诊断中,具体包括以下内容:1.在传统的随机共振方法中,一阶微分方程支配的随机谐振现象无法提供良好的滤波性能。因此,本文使用基于Duffing oscillator(DO)-Gauss法的二阶系统提取来自先前滤波信号的微弱信号,利用贝叶斯分割结合峰值能量来确定最佳共振带宽(BW)。为了处理小参数的限制,本文使用调谐方法指导参数搜索。结果表明,在所分析的案例中,均可找到最佳共振带宽(BW)。同时,DO-Gauss随机共振方法也被成功应用到了低信噪比条件下的特征提取中。2.提出了一种基于多项式指数(SRPI)的改进随机共振(ISR)方法。该方法采用四个指标组合成一个多项式,以实现滚动轴承振动信号周期性冲击信号特征的辨识和提取。该方法(ISR)克服了信号特征频率先验参数条件不足的缺陷,能在低信噪比条件下实现较好的目标信号提取。3.提出了一种改进的自适应随机共振(IASR)方法。该方法使用滑移窗函数在功率谱中识别信号特征频率,进而通过二阶欠阻尼随机共振量(USSSR)的输出响应分析获取最大权重谱峭度指标(WPSK),再从每个滑动窗口的信号特征频率值的集合中,获得对应于目标信号的模式值。相较于改进随机共振法(ISR),该方法(IASR)同样克服了信号特征频率先验条件参数不足的缺陷。一旦信号特征频率已知,滑动窗口设备就可找到最佳共振带宽提供的最佳质量的信号。因此,对比二阶欠阻尼随机共振法(USSSR)获得的输出信号,该方法(IASR)的输出信号质量更高。本文通过对仿真信号及两组包含内圈、滚动体和外圈故障的实际轴承振动信号的分析,验证了所提出方法的有效性,实现了基于改进随机共振方法的滚动轴承故障诊断应用。结果表明:1)本文提出的DO-Gauss法在弱信号提取方面的表现优于传统的随机共振法(SR);2)改进随机共振法(ISR)和改进自适应随机共振法(IASR)克服了传统随机共振法的先验条件参数不足的缺陷,因此可实现轴承故障诊断;3)改进自适应随机共振法(IASR)方法改进了权重谱峭度指标(WPSK)指数,相比自适应随机共振法(ASR),更好地实现了目标信号提取,而滑移窗函数的使用则提供了更好的二阶欠阻尼随机共振(USSSR)输出信号。