论文部分内容阅读
轴承是机械设备中较为常用的部件之一，在机械加工、航空航天、交通运输、冶金以及能源等领域中有着广泛的应用，它的工作情况对机械设备是否能够正常运行有着较为直接的影响，如果能较为准确的找到故障发生的部位，因故障带来的经济损失可有效避免。通过传感器拾取到的轴承振动信号通常呈现非线性、非平稳性、并且由于振动的传输路径复杂，运行环境恶劣，背景噪声强给故障诊断带来困难。此外，轴承故障有时会发生由单一故障变为多种故障共存的情况，这样将会产生复合故障使轴承的损坏速度加快。故如何利用现有的信号处理的手段去提取信号中的故障信息，越来越成为这一领域的研究要点。 本文在基于非平稳性时频分析方法的基础上，研究最大相关峭度解卷积（MCKD）算法，针对MCKD降噪问题提出自适应最大相关峭度解卷积算法，并与共振稀疏分解（RSSD）、互补结合经验模态分解（CEEMD）相结合提取滚动轴承故障特征，通过排列熵、包络谱稀疏度指标最终实现对滚动轴承单一故障到复合故障的有效诊断。本文主要研究内容如下: （1）阐述MCKD的基本理论，对比分析MED与MCKD的降噪特性，然后利用实验分析MCKD算法中的移位数M、循环次数C和滤波器长度L对算法的影响。针对MCKD算法中的滤波器长度L缺乏成熟的选择依据，造成MCKD在故障诊断方面利用率较低的问题，引入排列熵作为MCKD降噪性能的指标，提出自适应MCKD算法，结合RSSD方法进行轴承早期故障提取并验证自适应MCKD方法的有效性。 （2）对比分析CEEMD相对于EMD、EEMD方法存在的优点，提出基于CEEMD-自适应MCKD诊断滚动轴承故障，利用峭度值越大，信号的冲击成分越多的原则对CEEMD的IMF分量利用自适应MCKD进行处理，最后对信号重构的分量进行包络功率谱分析完成轴承的故障诊断。 （3）以两种复合故障为例，运用MCKD算法中冲击周期T对不同故障的敏感性不同的原理，提出将MCKD算法引入到滚动轴承复合故障诊断中去。利用包络谱稀疏度确定冲击周期T并提出最优参数MCKD方法，运用复杂固有尺度时间分解方法结合最优参数MCKD方法进行滚动轴承复合故障诊断，对复合故障进行分离和提取。