1、旋轉機械工況監(jiān)測是系統(tǒng)維護和自動化生產(chǎn)中的一個重要環(huán)節(jié),滾動軸承故障是造成旋轉機械損壞最主要因素之一,有時還會帶來災難性的生產(chǎn)事故。因此,開展?jié)L動軸承故障診斷,尤其是對早期故障診斷研究具有重要的理論價值和實際意義。實踐表明:對于具有調(diào)制現(xiàn)象的滾動軸承故障診斷,基于Hilbert變換的包絡解調(diào)方法是一種可靠的診斷方法。本文以強噪聲背景下滾動軸承故障診斷為目標,針對故障特征提取的問題提出了幾種包絡解調(diào)的新方法,主要研究工作如下:
　　

2、 在滾動軸承的故障機理方面,完善了現(xiàn)有滾動軸承振動模型,建立了綜合考慮軸承元件表面波紋度、局部損傷、徑向游隙等因素的軸承振動模型。由于生產(chǎn)工藝的原因,軸承元件表面不可避免的存在波紋度,為使模型更符合滾動軸承的實際工作情況,在模擬軸承損傷故障振動信號時必須考慮波紋度等其它因素的影響。通過實驗分析模擬軸承的振動特性,證明該模型是有效的。
　　 從信號分析角度看,Morlet小波和Harmonic小波是復解析帶通濾器,常用于振動信號

3、的包絡解調(diào)。但是,它們在時域或頻域都存在自身的不足,為此,構造了一種復解析帶通濾波器,不但克服了Harmonic小波Gibbs的現(xiàn)象,還具有幾乎“盒形”的頻譜特征、時域衰減較快的特性,綜合性能優(yōu)于二者。在此基礎上,提出了一種基于組合復解析帶通濾波器的梳狀包絡解調(diào)方法,實現(xiàn)了信號梳狀濾波和包絡解調(diào)的統(tǒng)一。實驗結果表明該方法具有抗噪聲、容錯能力強的優(yōu)點,可獲得信號的簡明解調(diào)譜特征。
　　 S變換(S-Transform,ST)是短時

4、Fourier變換和小波變換的一種延伸和擴展,可用于提取信號的包絡。為了更有效的分析具有周期性調(diào)幅特征的軸承損傷振動信號,提出了多分辨率ST包絡譜的概念,并給出了其計算方法。為了進一步抑制帶內(nèi)噪聲,采用了一種基于多分辨率ST包絡譜和奇異值比譜的方法,自動提取、重構調(diào)制信號包絡的主周期分量,由于采用了改進的相空間矩陣重構方法,使獲取的主周期分量頻率更準確。實驗結果證明,該方法可以很好的降低噪聲,有效地提取信號中的周期成分,在不同強度背景噪

5、聲下,實現(xiàn)了軸承故障特征頻率的提取。
　　 與各種抑制噪聲方法相比,隨機共振能夠利用噪聲來增強信號,使其在微弱信號的增強和檢測方面有著獨特的優(yōu)勢。在隨機共振系統(tǒng)的數(shù)值解法方面,提出了一種改進的數(shù)值解法以增強共振效果;在系統(tǒng)參數(shù)優(yōu)化方面,設計了一種基于遺傳算法同時優(yōu)化系統(tǒng)參數(shù)和噪聲強度的自適應隨機共振方法;針對經(jīng)典的絕熱近似小參數(shù)隨機共振難以滿足實際工程大參數(shù)條件下的微弱信號檢測問題,深入研究了變尺度、移頻-變尺度等大參數(shù)信號隨機