论文部分内容阅读
滚动轴承是机械设备中应用最广泛、最关键、也是最易损坏的零件之一,其运行状态直接关系到整台机器或整个系统的性能。在设备运行过程中,轴承故障会引起故障冲击,从而引发系统的激振现象。通过对该振动信号的处理和分析,便可了解轴承实时的工作状态和故障类型。因此,基于振动分析法的轴承状态监测和故障诊断一直是业内研究的重点。共振解调法作为轴承振动分析法中最系统、最有效的方法,其成功应用需确保两个前提,一是转速基本恒定,二是无强烈噪声干扰。而实际运行中启停频繁、处于变转速状态下的设备不在少数,同时,作为支撑传动轴系的基本部件,其振动监测不免受到齿轮噪声的影响。现存研究大多只考虑其中单方面的约束,而忽略了两者的并存关系。 本文在传统的滚动轴承故障诊断的共振解调法、谱峭度算法、非平稳信号的阶比分析法以及线性预测滤波技术的基础上,对变转速模式和齿轮噪声双重干扰下,现有轴承故障特征提取方案的适用性和局限性进行了研究。 针对传统重采样算法在求解鉴相时标过程中存在累积误差和计算效率问题,提出了基于等分脉冲间隔的鉴相时标计算方法。通过对一系列的脉冲间隔进行等分,获取鉴相时标的近似解,对信号进行插值获得角域信号,恢复齿轮信号的平稳周期性。 对变转速条件下消除齿轮噪声的角域线性预测算法进行了有效性验证。通过阶比跟踪过程恢复信号中齿轮成分的周期性,采用线性预测算法预测并消除齿轮噪声成分,从而实现齿轮噪声和轴承信号的有效分离。 针对变转速条件下由重采样引起的等效共振区的变形问题,提出了基于时域返采样的轴承故障特征提取方案。首先,采用时域返采样算法,将消除了齿轮噪声成分的角域白化信号返回至时域,恢复残余信号共振区域的集中特性;其次,通过谱峭度算法构造最佳带通滤波器,对返采样信号进行带通滤波,完成对轴承共振频带信号成分的提取;最后,对返采样时域滤波信号进行阶比分析,从包络阶比谱上获取反映轴承故障的谱线特征。 基于以上研究,本文提出了在齿轮噪声和变转速共同影响下的滚动轴承故障特征提取方法。即通过改进的重采样算法对变速信号进行阶比跟踪,在角域内采用线性预测算法对齿轮噪声予以消除,利用返采样算法将白化信号返至时域,根据谱峭度算法设计最优滤波器进行带通滤波,对滤波信号进行阶比分析,获取轴承的故障特征。