多传感器数据融合技术始于军事应用领域,后来逐渐发展到民用领域。滚动轴承是旋转机械的一个重要部件,有时为了保证机器的安全可靠运转,需要对其进行监测和故障类型的确定,单一传感器对轴承故障进行诊断时由于环境温度的影响及其它干扰甚至传感器本身的故障,降低了轴承故障诊断的准确率。本文旨在采用单、多传感器进行轴承故障诊断,研究提高轴承故障诊断可靠性的新方法。 多传感器信息融合技术是近年来研究的一个热点,信息融合是多源信息综合处理的一项新技术,是将来自某一目标(或状态)的多源信息加以智能化合成,产生比单一信息更精确、更完全的估计和判决。多传感器信息融合的优点突出地表现在信息的冗余性、容错性、互补性、实时性和低成本性。 本文对轴承常见故障和故障轴承的振动机理进行了分析,论述了轴承故障的传统诊断方法:通过分析故障轴承的表征选用加速度传感器和声级计拾取轴承的振动信号和声信号:设计了基于LabVIEW平台的通用数据采集卡的模块化驱动程序以控制数据采集卡进行数据采集:利用LabVIEW软件良好的硬件匹配性和强大而方便的信号处理能力,对多元信息进行采集和处理并在LabVIEW环境下调用MATLAB小波分析工具箱函数进行编程,实现对轴承信号的多频段小波分解;采用Hilbert变换对小波分解的第一层细节信号进行解调,获取轴承的故障信号,通过快速傅立叶变换对轴承故障信号进行频谱分析,对照轴承的故障频率诊断轴承的故障;以轴承的故障频率为中心频率,计算适当带宽的能量作为轴承的故障特征值,将各故障频率对应的特征值组成特征向量,调用神经网络工具箱函数实现BP神经网络,通过对轴承的特征信息进行融和实现轴承故障的智能诊断,并对比单传感器轴承故障智能诊断结果,分析多传感器信息融合技术对轴承故障诊断的特点和优势。