【摘要】：滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械中最常見(jiàn)也是最易損壞的部件之一。滾動(dòng)軸承故障會(huì)導(dǎo)致機(jī)器產(chǎn)生異常振動(dòng)和噪聲,甚至引起機(jī)器損壞和人員傷亡等重大事故。因此研究軸承的故障診斷與監(jiān)測(cè)具有十分重要的意義。 因此,本文采用一種近些年在語(yǔ)音識(shí)別技術(shù)中發(fā)展較快的模式識(shí)別技術(shù)——隱馬爾可夫模型(Hidden Markov Model, HMM)來(lái)對(duì)滾動(dòng)軸承的故障進(jìn)行檢測(cè)和診斷。它具有模式分類(lèi)能力強(qiáng)、訓(xùn)練樣本少、計(jì)算速度快等特點(diǎn),比較適合非平穩(wěn)滾動(dòng)軸承故障振動(dòng)信號(hào)分析。HMM實(shí)現(xiàn)的基本方法通過(guò)對(duì)振動(dòng)信號(hào)進(jìn)行特征提取,訓(xùn)練具有相應(yīng)狀態(tài)數(shù)的隱馬爾可夫模型,然后計(jì)算待檢測(cè)信號(hào)的相似概率,根據(jù)相似概率中的最大值及相應(yīng)模型判斷信號(hào)的狀態(tài),從而達(dá)到信號(hào)模式分類(lèi)目的。 本文的主要工作是利用HMM進(jìn)行滾動(dòng)軸承的故障診斷,包括四項(xiàng)研究?jī)?nèi)容： 1.在學(xué)習(xí)和研究HMM理論的基礎(chǔ)上,探討了HMM三種經(jīng)典算法在故障診斷中的實(shí)際功能,并編制了基于MATLAB的實(shí)現(xiàn)程序,從而驗(yàn)證了HMM理論在滾動(dòng)軸承故障診斷中的可行性。 2.針對(duì)滾動(dòng)軸承振動(dòng)信號(hào)的非平穩(wěn)性、調(diào)制以及易受背景噪聲干擾等特點(diǎn),采用小波變換對(duì)振動(dòng)信號(hào)進(jìn)行分解,提取一維信號(hào)中低頻系數(shù)作為故障特征值。對(duì)提取后的特征值可根據(jù)矢量量化(Vector Quantization, VQ)原理對(duì)其進(jìn)行轉(zhuǎn)化,或利用高斯概率密度函數(shù)修正HMM參數(shù),最后輸入HMM進(jìn)行判別。實(shí)驗(yàn)證明小波分析提取特征值并結(jié)合HMM進(jìn)行判斷在實(shí)際應(yīng)用中是可行的。 3.使用非平穩(wěn)信號(hào)分析的新方法—希爾伯特黃變換(Hilbert-Huang Transform)提取故障特征值,結(jié)合離散隱馬爾可夫模型進(jìn)行軸承狀態(tài)判別。由于HHT提取的特征值簡(jiǎn)單,所以加快了HHT的訓(xùn)練和診斷速度,最終較好地提高了診斷精度。 4.在學(xué)習(xí)和研究上述理論的基礎(chǔ)上,利用MATLAB GUI設(shè)計(jì)了滾動(dòng)軸承故障特征提取與診斷的虛擬系統(tǒng),并采用仿真和實(shí)驗(yàn)信號(hào)測(cè)試了該系統(tǒng)的有效性和實(shí)用性,為滾動(dòng)軸承故障診斷系統(tǒng)的開(kāi)發(fā)提供了一個(gè)范例。
【圖文】：

承的故障特征頻率均在1妞z一下，此項(xiàng)特征可以作為判斷軸承故障的重要特征之一來(lái)對(duì)待。下面簡(jiǎn)單展示正常狀態(tài)和三種典型故障的振動(dòng)信號(hào)，分別如圖1.2、圖1.3、圖1.4、圖1.5和圖1.6:0.1.08仿:04，

本文編號(hào)：2617389