基于信息融合與VPMCD的滾動軸承智能診斷研究.pdf

1、滾動軸承作為機械系統(tǒng)中關(guān)鍵的支撐部件，其運行狀態(tài)的好壞直接影響到整臺設(shè)備的安全運行。因此，開展對滾動軸承的故障診斷很具現(xiàn)實意義。在滾動軸承運行狀態(tài)監(jiān)測中，為了確保狀態(tài)信息采集的完備性、可靠性，通常在測點上布置多個傳感器。采集到的多通道信號大多數(shù)呈現(xiàn)出非線性、非平穩(wěn)特性。但是傳統(tǒng)的時頻方法很難實現(xiàn)多通道信號的同步聯(lián)合分析，而多維經(jīng)驗?zāi)B(tài)分解可以有效解決這個問題，同時能夠保證所分解的多通道信號的IMF分量按照頻率尺度對齊，這就為多通道信息融

2、合提供有利條件。本文將其分別和多元多尺度熵及全矢譜技術(shù)相結(jié)合應(yīng)用到滾動軸承故障特征提取中，并將基于信息融合技術(shù)提取的特征利用基于變量預(yù)測模型識別方法（VPMCD）進行識別。本文的主要研究工作如下：
　　1、提出了基于多維經(jīng)驗?zāi)B(tài)分解(MEMD)與多元多尺度熵（MMSE）的退化特征提取方法。首先，利用MEMD算法對滾動軸承不同退化狀態(tài)的多通道信號進行同步自適應(yīng)分解；然后，對多尺度IMF分量重構(gòu)的信號進行多元多尺度熵分析。最后通過實例

3、分析，驗證了該方法能有效反映滾動軸承退化趨勢。
　　2、提出了一種基于噪聲輔助多維經(jīng)驗?zāi)Ｊ椒纸猓∟A-MEMD）與全矢譜結(jié)合的滾動軸承故障診斷方法——全矢NA-MEMD。首先，利用NA-MEMD對同源雙通道信號和噪聲輔助信號構(gòu)成的多通道信息自適應(yīng)分解成一系列IMF分量；然后，根據(jù)相關(guān)系數(shù)從同源雙通道中選取包含故障主要信息的IMF分量進行重構(gòu)；最后，將重構(gòu)信號進行全矢信息融合來提取故障特征。通過仿真信號和實驗信號驗證該方法的有效性。