论文部分内容阅读
目前在机械设备故障诊断领域中,存在着许多信号处理方法对机械设备故障信息进行提取和监测,仅就工程上应用较为广泛的基于信号处理的故障诊断方法而言,便有小波变换法、EMD分解法、谱分析等行之有效的方法,然而此类方法大多是以提取设备输出振动信号中的特征信息为技术手段,不可避免的引入了过多的系统噪声、传递路径相位差、频率非线性耦合等无法回避的问题,现实工程应用困难,所以急需寻找一种新的故障特征提取方法规避以上问题。针对上述问题,以实际生产设备中应用广泛的滚动轴承零件为例,提出了基于Volterra核函数的滚动轴承运行故障特征提取方法,试探性的将系统的输入振动信号引入本文所述故障诊断算法。首先,利用滚动轴承输入、输出信号建立Volterra级数模型;其次,以滚动轴承动力学模型为基础,通过算例仿真从理论上分析了本文研究方法的可行性;最后,通过实验验证了Volterra核函数方法在提取滚动轴承故障特征信息的有效性。本文的主要研究内容分为以下几个方面:(1)以深沟球轴承为例,建立滚动轴承故障动力学模型,并通过Runge-Kutta方法对此模型进行了求解,分析其位移和速度时域波形图以及频域频谱图,并与理论上所求的理论特征频率进行对比,验证了所建立动力学模型的正确性,为后续研究分析奠定了基础。(2)研究了Volterra级数理论的基本内容,从时域和频域分析了其表达形式的不同,利用多脉冲激励的方法对Volterra低阶核函数进行求解,并通过算例仿真验证了多脉冲激励方法的正确性,并且对高阶谱及其切片谱的概念进行阐述,从理论上分析了高阶谱及切片谱手段在Volterra核函数表征方面的有效性。(3)分析了Volterra核函数在不同截断形式和不同的记忆长度下表达形式的不同,通过所建立的滚动轴承动力学模型,对比原始输出信号和Volterra核函数表示的系统输出信号之间的不同,说明了截断形式和记忆长度对核函数求解的影响,从而能够正确选择核函数阶次和记忆长度,达到最佳的辨识效果。(4)利用采集到的滚动轴承故障试验台数据,求解Volterra核函数,并通过双谱三维和切片图以及三谱二维切片和对角切片图手段,对不同故障程度、不同故障位置的滚动轴承Volterra二阶和三阶核函数进行了直观表征,定量提取出了滚动轴承内圈,外圈和滚动体点蚀故障频率信息,在此基础上利用核函数置信准则,将故障特征信息进行了归一化处理,并与现有归一化指标进行对比,从实验角度验证了Volterra核函数方法的优越性。