1、滾動(dòng)軸承是機(jī)械設(shè)備中最廣泛應(yīng)用的一種零部件，其運(yùn)行狀態(tài)可直接決定了整臺(tái)機(jī)器的工作狀態(tài)，傳統(tǒng)的利用單一傳感器識(shí)別滾動(dòng)軸承故障的方式，能夠采集到的故障信息有限，工作環(huán)境中的噪聲干擾又比較大，常常會(huì)將微弱的故障信號(hào)淹沒(méi)，甚至造成誤判或錯(cuò)判，現(xiàn)階段研究單一方法的比較多，綜合研究的少。加速度和聲發(fā)射傳感器檢測(cè)屬于不同的技術(shù)檢測(cè)手段，兩者之間具有一定相關(guān)性和互補(bǔ)性，將它們有機(jī)地結(jié)合起來(lái)，對(duì)分析檢測(cè)滾動(dòng)軸承故障很有效果；因此，本文利用信息融合技術(shù)把加

2、速度和聲發(fā)射兩種檢測(cè)方法融合起來(lái)，來(lái)研究診斷滾動(dòng)軸承的故障。
　　本文系統(tǒng)全面地對(duì)滾動(dòng)軸承故障的加速度信號(hào)和聲發(fā)射信號(hào)的采集、特征提取和特征模型建立的過(guò)程進(jìn)行了探討，提出了基于 BP神經(jīng)網(wǎng)絡(luò)的多信息融合方法，將該技術(shù)應(yīng)用到滾動(dòng)軸承故障的診斷中，提高了滾動(dòng)軸承故障診斷的正確率。首先，根據(jù)實(shí)驗(yàn)對(duì)象選取了參數(shù)合適的加速度傳感器和聲發(fā)射傳感器，并對(duì)傳感器進(jìn)行了校驗(yàn)，以確定傳感器在正常的工作狀態(tài)，以博峰軸承試驗(yàn)臺(tái)為基礎(chǔ)，搭建了加速度和聲發(fā)射

3、采集系統(tǒng)進(jìn)行數(shù)據(jù)采集；然后分析了滾動(dòng)軸承出現(xiàn)故障時(shí)候的振動(dòng)機(jī)理，找出了滾動(dòng)軸承發(fā)生不同故障時(shí)候相對(duì)應(yīng)的理論特征頻率，對(duì)安裝在試驗(yàn)臺(tái)上的加速度和聲發(fā)射傳感器所采集的信號(hào)進(jìn)行了時(shí)域、頻域分析，并運(yùn)用希爾伯特振動(dòng)分解的方法對(duì)加速度信號(hào)進(jìn)行降噪，運(yùn)用小波降噪的方法對(duì)聲發(fā)射信號(hào)進(jìn)行濾波降噪，對(duì)降噪后的信號(hào)包絡(luò)解調(diào)，獲取相對(duì)應(yīng)信號(hào)的包絡(luò)譜圖，通過(guò)與故障軸承理論特征頻率作對(duì)比，診斷軸承的故障類(lèi)型；最后利用BP神經(jīng)網(wǎng)絡(luò)建立了基于多傳感器的信息融合系統(tǒng)，

4、并設(shè)計(jì)計(jì)算了故障信號(hào)的特征向量，經(jīng)過(guò)歸一化處理之后送入網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直到達(dá)到所要求的誤差范圍以內(nèi)，實(shí)現(xiàn)了對(duì)滾動(dòng)軸承故障的診斷。
　　本文對(duì)傳感器技術(shù)、濾波降噪、包絡(luò)解調(diào)以及神經(jīng)網(wǎng)絡(luò)的信息融合技術(shù)在滾動(dòng)軸承檢測(cè)方法的應(yīng)用進(jìn)行了積極的研究與探索，結(jié)合硬件平臺(tái)對(duì)滾動(dòng)軸承故障多信息融合監(jiān)測(cè)進(jìn)行了實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)數(shù)據(jù)表明：?jiǎn)我焕眉铀俣葌鞲衅髟\斷的準(zhǔn)確率是78％，利用聲發(fā)射傳感器判別的準(zhǔn)確率是90%，而信息融合后的準(zhǔn)確率提高到了94.1%，由