（機(jī)械工程專(zhuān)業(yè)論文）基于支持向量數(shù)據(jù)描述的滾動(dòng)軸承故障診斷方法研究.pdf

基于支持向量數(shù)據(jù)描述方法的滾動(dòng)軸承故障診斷方法研究 摘要 機(jī)械故障診斷實(shí)質(zhì)上是一個(gè)小樣本的模式識(shí)別問(wèn)題。在實(shí)際工程應(yīng)用中，故 障數(shù)據(jù)的缺乏一直是制約智能故障診斷技術(shù)發(fā)展的一個(gè)重要因素，使得傳統(tǒng)的智 能診斷技術(shù)諸如神經(jīng)網(wǎng)絡(luò)等往往因訓(xùn)練樣本數(shù)據(jù)的不足而不能取得理想的診斷效 果。 支持向量數(shù)據(jù)描述( s u p p o r tv e c t o rd a t ad e s c r i p t i o n ，s v d d ) 方法是一種在 統(tǒng)計(jì)學(xué)理論和傳統(tǒng)的支持向量機(jī)基礎(chǔ)上發(fā)展起來(lái)的單值分類(lèi)方法，它能有效的解 決故障樣本數(shù)據(jù)缺乏的問(wèn)題。s v d d 方法的基本思想是：通過(guò)在特征空間中尋求 一個(gè)最小容積的超球體，使得所有的或者絕大部分的目標(biāo)樣本都被包含在該超球 體內(nèi)，而非目標(biāo)樣本盡可能都落在超球體外，從而達(dá)到將目標(biāo)類(lèi)樣本和非目標(biāo)類(lèi) 樣本分開(kāi)的目的。s v d d 方法只需要一類(lèi)樣本數(shù)據(jù)即可進(jìn)行分類(lèi)，這種方法具有 計(jì)算速度快、可有效處理小樣本、魯棒性強(qiáng)等優(yōu)點(diǎn)。利用這種方法，僅依靠正常 運(yùn)行時(shí)的振動(dòng)信號(hào)就可以監(jiān)測(cè)機(jī)器的運(yùn)行狀態(tài)，判別機(jī)器是否存在故障。因此， s v d d 方法在工程應(yīng)用中具有極高的實(shí)用價(jià)值，有望解決智能故障診斷中因故障 數(shù)據(jù)樣本缺乏而不能精準(zhǔn)判定故障的問(wèn)題。 本文的主要研究?jī)?nèi)容包括： ( 1 ) 核函數(shù)在s v d d 方法中有著十分重要的作用，本文對(duì)核函數(shù)進(jìn)行了研 究。通過(guò)仿真實(shí)驗(yàn)分析表明，使用高斯核函數(shù)時(shí)，s v d d 方法的檢測(cè)精度最高。 ( 2 ) 對(duì)l m d 方法和e m d 方法進(jìn)行了對(duì)比研究。通過(guò)分析，l m d 方法在減 少迭代次數(shù)和降低端點(diǎn)效應(yīng)方面要優(yōu)于e m d 方法。 ( 3 ) 提出了一種基于s v d d 與l m d 奇異值的滾動(dòng)軸承故障診斷方法，在實(shí) 際應(yīng)用中，該方法能有效的對(duì)滾動(dòng)軸承進(jìn)行故障判定。 ( 4 ) 提出了一種基于s v d d 與l m d 包絡(luò)譜的滾動(dòng)軸承故障診斷方法。利用 這種方法能有效地對(duì)滾動(dòng)軸承的運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)，準(zhǔn)確判定滾動(dòng)軸承是否存在 故障。 關(guān)鍵詞：支持向量數(shù)據(jù)描述；滾動(dòng)軸承；故障診斷；局部均值分解；包絡(luò)譜 i l 碩1 ：學(xué)位論文 a b s t r a c t m a c h i n ef a u l td i a g n o s i si sap r o b l e mo fp a t t e r nr e c o g n i t i o nw i t has m a l ls a m p l e e s s e n t i a l l y i nt h ee n g i n e e r i n ga p p l i c a t i o n s ，t h el a c ko ff a u l t d a t ai s a l w a y s a i m p o r t a n tf a c t o rt h a tr e s t r i c t st h ed e v e l o p m e n to fi n t e l l i g e n tf a u l td i a g n o s i sa n d m a k e su s u a ld i a g n o s em e t h o ds u c ha sa n nc a nn o te x p e c ta ni d e a lr e s u l t s u p p o r tv e c t o r d a t a d e s c r i p t i o n i sao n e c l a s sc l a s s i f i c a t i o nm e t h o dt h a t d e v e l o p e df r o mt h es t a t i s t i cl e a r n i n gt h e o r ya n ds u p p o r tv e c t o rm a c h i n e i tc a n e f f e c t i v e l ys o l v et h ep r o b l e mo fl a c ko ff a u l ts a m p l e sd a t a t h eb a s i ci d e ao fs v d d m e t h o di st of i n das u p e r - s p h e r ei nf e a t u r es p a c ea n dl i m i tt h ev o l u m eo ft h es p h e r et o b et h es m a l l e s tw h i c hi n c l u d e sa sp o s s i b l ea sm o r et a r g e td a t a ，i nt h es a m et i m e ， n o n t a r g e ts a m p l ed a t aa sf a ra sp o s s i b l ef a l lo nt h eh y p e rs p h e r ei nv i t r o ，t h u st h ea i m o fs e p a r a t i n gs a m p l eo ft h et a r g e ta n dn o n t a r g e ts a m p l e sc a nb ea c c o m p l i s h e d s v d d m e t h o dr e q u i r e so n l yo n ek i n do fs a m p l ed a t at oc l a s s i f y ；t h em e t h o dh a st h e a d v a n t a g eo fr a p i dc a l c u l a t i o n ，d e a l i n gw i t hf e wf a u l ts a m p l e s ，w e l lr o b u s t t h r o u g h t h i sm e t h o d ，w ec a nm o n i t o rm a c h i n ec o n d i t i o na n dd i s t i n g u i s ht h em a c h i n ei sf a u l to r n o tb yu s i n gn o r m a lc o n d i t i o ns i g n a l s t h e r e f o r e ，t h es v d dm e t h o dh a sv e r yh i g h p r a c t i c a lv a l u ei ne n g i n e e r i n ga p p l i c a t i o n sa n dc a ne x p e c t e dt os o l v et h ep r o b l e mt h a t l a c k i n go ff a u l ts a m p l ed a t ac a nn o td i s t i n g u i s ht h ef a u l ta c c u r a t e l y t h em a i nw o r ki sa sf o l l o w s ： 。 ( i ) k e r n e lf u n c t i o ni sv e r yi m p o r t a n tf o rs v d dm e t h o d r e s e a r c h i n go nt h e k e r n e lf u n c t i o ns h o w st h a tt h es v d dm e t h o dw h i c hu s e st h eg a u s s i a nk e r n e lf u n c t i o n h a st h eh i g h e s td e t e c t i o na c c u r a c y ( 2 ) ac o m p a r a t i v es t u d yo nt h el m dm e t h o da n de m d m e t h o d t h er e s u l ts h o w s ， l m dm e t h o disb e t t e rt h a nt h ee m dm e t h o di nr e d u c i n gt h en u m b e ro fi t e r a t i o n sa n d d e a l i n gw i t he n de f f e c tp r o b l e m ( 3 ) af a u l td i a g n o s i sa p p r o a c hf o rr o l l e rb e a r i n g sb a s e do ns v d dm e t h o da n d s i n g u l a rv a l u ed e c o m p o s i t i o nt e c h n i q u eo fl m d i sp r o p o s e d i np r a c t i c a la p p l i c a t i o n s ， t h em e h o dc a nb ea p p l i e dt ot h er o l l e rb e a r i n g sf a u l td i a g n o s i se f f e c t i v e l y ( 4 ) af a u l td i a g n o s i sa p p r o a c hf o rr o l l e rb e a r i n g sb a s e do ns v d dm e t h o da n d e n v e l o p es p e c t r u mo fl m di sp r o p o s e d u s i n g o ft h i sm e h o dc a nm o n i t o rt h e o p e r a t i o n a ls t a t u so ft h er o l l e rb e a r i n g se f f e c t i v e l ya n di d e n t i f yt h ef a u l to ft h er o l l e r b e a r i n g sa c c u r a t e l y i i i k e y w o r d s ：s u p p o r tv e c t o rd a t ad e s c r i p t i o n ；r o l l e rb e a r i n g ；f a u l td i a g n o s i s ；l o c a l m e a nd e c o m p o s i t i o n ；e n v e l o p es p e c t r u m i v 碩十學(xué)位論文 插圖索引 圖1 1 故障診斷流程圖1 圖1 2 支持向量數(shù)據(jù)描述二維空間模型圖示一6 圖2 1 滾動(dòng)軸承結(jié)構(gòu)示意圖9 圖2 2 滾動(dòng)軸承故障診斷實(shí)驗(yàn)臺(tái)簡(jiǎn)圖、測(cè)點(diǎn)布置1 6 圖2 3 滾動(dòng)軸承正常信號(hào)時(shí)域圖1 7 圖2 4 具有內(nèi)圈故障的滾動(dòng)軸承信號(hào)時(shí)域圖一1 7 圖2 5 具有外圈故障的滾動(dòng)軸承信號(hào)時(shí)域圖一1 7 圖3 1 結(jié)構(gòu)風(fēng)險(xiǎn)最小化示意圖1 9 圖3 2 最優(yōu)分類(lèi)面二維示意圖2 0 圖3 3 核函數(shù)方法原理圖2 8 圖3 4 線(xiàn)性核函數(shù)的測(cè)試效果3 0 圖3 5p 階多項(xiàng)核函數(shù)的測(cè)試效果3 0 圖3 6 高斯核函數(shù)的測(cè)試效果3 0 圖3 7 正常信號(hào)的時(shí)域圖信號(hào)圖一3 1 圖3 8 具有內(nèi)圈故障的時(shí)域信號(hào)圖3 1 圖3 9 具有外圈故障的時(shí)域信號(hào)圖3 1 圖4 1 仿真信號(hào)的時(shí)域波形圖3 5 圖4 2 仿真信號(hào)經(jīng)l m d 分解后得到的第一個(gè)分量p f l 3 6 圖4 3 仿真信號(hào)經(jīng)l m d 分解后得到的第二個(gè)分量p f 2 3 6 圖4 4 仿真信號(hào)經(jīng)l m d 分解后得到的殘差一3 6 圖4 5 分量p f l 的瞬時(shí)頻率3 6 圖4 6 分量p f l 的瞬時(shí)幅值3 7 圖4 7 分量p f 2 的瞬時(shí)頻率3 7 圖4 8 分量p f 2 的瞬時(shí)幅值3 7 圖4 9 仿真信號(hào)時(shí)域波形圖3 8 圖4 1 0 仿真信號(hào)l m d 和e m d 分解圖一3 8 圖4 1 ll m d 方法得到的第一個(gè)分量p f l 的瞬時(shí)頻率和瞬時(shí)幅值3 9 圖4 1 2e m d 方法得到的第一個(gè)分量i m f l 的瞬時(shí)頻率和瞬時(shí)幅值3 9 圖4 1 3l m d 方法得到的第二個(gè)分量p f 2 的瞬時(shí)頻率和瞬時(shí)幅值4 0 圖4 1 4e m d 方法得到的第二個(gè)分量i m f 2 的瞬時(shí)頻率和瞬時(shí)幅值一4 0 圖5 1 基于時(shí)域特征參數(shù)的s v d d 故障診斷框圖4 3 v i i 基于支持向量數(shù)據(jù)描述方法的滾動(dòng)軸承故障診斷方法研究 圖5 2 基于時(shí)域特征的內(nèi)圈故障信號(hào)測(cè)試分類(lèi)圖一4 4 圖5 3 基于時(shí)域特征的外圈故障信號(hào)測(cè)試分類(lèi)圖4 4 圖5 4 基于s v d d 和l m d 奇異值的滾動(dòng)軸承故障診斷方法流程圖4 5 圖5 5 具有外圈故障的滾動(dòng)軸承故障振動(dòng)信號(hào)的l m d 分解結(jié)果一4 6 圖5 6 基于s v d d 和l m d 奇異值的外圈故障信號(hào)測(cè)試分類(lèi)圖一4 6 圖5 7 基于s v d d 和l m d 奇異值的內(nèi)圈故障信號(hào)測(cè)試分類(lèi)圖4 7 圖5 8 具有外圈故障的滾動(dòng)軸承故障振動(dòng)信號(hào)的e m d 分解結(jié)果一4 8 圖5 9 基于s v d d 和e m d 奇異值的外圈故障信號(hào)測(cè)試分類(lèi)圖4 8 圖5 1 0 基于s v d d 和e m d 奇異值的內(nèi)圈故障信號(hào)測(cè)試分類(lèi)圖4 9 圖5 1 1 基于s v d d 和l m d 包絡(luò)譜的故障診斷方法流程圖5 0 圖5 1 2 具有內(nèi)圈故障的滾動(dòng)軸承故障振動(dòng)信號(hào)的l m d 分解結(jié)果5 0 圖5 1 3 經(jīng)過(guò)l m d 分解后的前兩個(gè)p f 分量的包絡(luò)譜5 1 圖5 1 4 基于s v d d 和l m d 包絡(luò)譜的內(nèi)圈故障信號(hào)測(cè)試分類(lèi)圖5 1 圖5 1 5 基于s v d d 和l m d 包絡(luò)譜的外圈故障信號(hào)測(cè)試分類(lèi)圖5 2 圖5 1 6 具有內(nèi)圈故障的滾動(dòng)軸承故障振動(dòng)信號(hào)的e m d 分解結(jié)果5 2 圖5 1 7 經(jīng)過(guò)e m d 分解后的前兩個(gè)i m f 分量的包絡(luò)譜5 3 圖5 1 8 基于s v d d 和e m d 包絡(luò)譜的內(nèi)圈故障信號(hào)測(cè)試分類(lèi)圖5 3 圖5 1 9 基于s v d d 和e m d 包絡(luò)譜的外圈故障信號(hào)測(cè)試分類(lèi)圖5 4 v i i i 碩十學(xué)位論文 附表索引 表3 1 使用不同核函數(shù)的檢測(cè)精度3 1 表3 2 不同核函數(shù)在故障診斷實(shí)例中的檢測(cè)率3 2 表5 1 基于時(shí)域特征值的s v d d 方法的內(nèi)、外圈故障信號(hào)s v d d 測(cè)試結(jié)果4 4 表5 2 基于s v d d 和e m d 奇異值方法的外、內(nèi)圈故障信號(hào)s v d d 測(cè)試結(jié)果4 7 表5 3 基于s v d d 和e m d 奇異值方法的外、內(nèi)圈故障信號(hào)s v d d 測(cè)試結(jié)果4 9 表5 4 基于s v d d 和l m d 包絡(luò)譜方法的內(nèi)、外圈故障信號(hào)s v d d 測(cè)試結(jié)果5 2 表5 5 基于s v d d 和e m d 包絡(luò)譜方法的內(nèi)、外圈故障信號(hào)s v d d 測(cè)試結(jié)果5 4 i x 碩上學(xué)位論文 1 1 機(jī)械故障診斷概述 第1 章緒論 隨著科技的飛速發(fā)展，現(xiàn)代設(shè)備日益自動(dòng)化、高速化、集成化和精密化，人 們對(duì)機(jī)械設(shè)備的依賴(lài)程度越來(lái)越高。機(jī)械設(shè)備一旦發(fā)生故障，會(huì)給國(guó)家財(cái)產(chǎn)及人 民人身安全造成嚴(yán)重的威脅。例如，1 9 8 6 年4 月2 6 日，前蘇聯(lián)切爾諾貝利核電 機(jī)組發(fā)生故障導(dǎo)致大量發(fā)射線(xiàn)物質(zhì)泄漏，導(dǎo)致數(shù)2 0 0 0 人死亡，經(jīng)濟(jì)損失高達(dá)3 0 億美元。同時(shí)，因核泄漏給周邊國(guó)家的環(huán)境造成了極大的污染，嚴(yán)重影響了當(dāng)?shù)?及周邊人民的生活；l9 9 2 年6 月，日本關(guān)西電力公司海南電廠，一臺(tái)6 0 0 m w 的 超臨界火力發(fā)電機(jī)組在超速試驗(yàn)時(shí)，由于機(jī)組軸承失效和臨界轉(zhuǎn)速下降，從而引 發(fā)了強(qiáng)烈的機(jī)組振動(dòng)，造成機(jī)毀的重大事故，這次事故造成的經(jīng)濟(jì)損失高達(dá)5 0 億日元【1 】；19 9 1 年10 月3 0 日中國(guó)蘭州鐵路局蘭州鐵路分局的1 4 7 9 次貨車(chē)由于 軸承質(zhì)量問(wèn)題，保持架碎裂，造成了列車(chē)脫軌的重大鐵路交通事故【2 l 。因此，及 時(shí)了解設(shè)備的運(yùn)行狀態(tài)、是否存在故障，以及故障發(fā)生后能準(zhǔn)確及時(shí)判別故障發(fā) 生的原因、部位、發(fā)展趨勢(shì)等，對(duì)避免重大經(jīng)濟(jì)損失和災(zāi)難性事故的發(fā)生有著非 常重要的意義。如何對(duì)上述情況做到及時(shí)、準(zhǔn)確的掌握? 現(xiàn)代測(cè)試技術(shù)、信號(hào)處 理技術(shù)、信息傳感技術(shù)、計(jì)算機(jī)技術(shù)等前沿學(xué)科的快速發(fā)展使上述需要得以實(shí)現(xiàn)， 同時(shí)為設(shè)備的故障診斷提供了極大的技術(shù)支持，從而形成了一門(mén)新的學(xué)科：機(jī)械 故障診斷1 ，3 1 。機(jī)械故障診斷學(xué)應(yīng)用性強(qiáng)，與高技術(shù)發(fā)展緊密相關(guān)。 機(jī)械故障診斷技術(shù)：一種了解、掌握機(jī)器設(shè)備在運(yùn)行過(guò)程的狀態(tài)，確定其整 體或局部是否正常，早期發(fā)現(xiàn)設(shè)備部件故障及原因，并預(yù)報(bào)故障發(fā)展趨勢(shì)的技術(shù)。 其研究?jī)?nèi)容包括運(yùn)行狀態(tài)的識(shí)別診斷、對(duì)運(yùn)行過(guò)程的監(jiān)測(cè)以及對(duì)其運(yùn)行發(fā)展趨勢(shì) 的預(yù)測(cè)等【4 1 。故障診斷的流程如圖1 1 所示。 正常 1 1 信 傳 口 狀診 t 亨 系感_ -處 j c 斷檢 j l ， 統(tǒng)器理識(shí)、央 故障 修 系別策 統(tǒng) 圖1 i 故障診斷流程圖 機(jī)械設(shè)備的故障診斷，可以細(xì)分到每個(gè)部件的診斷，通過(guò)查找故障具體發(fā)生 摹于支持向量數(shù)據(jù)描述方法的滾動(dòng)軸承故障診斷方法研究 在什么部件上、故障產(chǎn)生的原因，進(jìn)而針對(duì)具體問(wèn)題進(jìn)行相應(yīng)的處理，從而降低 事故的發(fā)生幾率，減少損失。滾動(dòng)軸承一直是各種旋轉(zhuǎn)機(jī)械中應(yīng)用最廣泛的通用 部件，它是常被用于旋轉(zhuǎn)機(jī)械的支撐軸及軸上的零件，用于保持軸的旋轉(zhuǎn)精度， 減少軸與支撐件之間的摩擦和磨損，其運(yùn)行狀態(tài)直接影響整臺(tái)機(jī)器的性能、壽命、 功能和效率。因此對(duì)滾動(dòng)軸承進(jìn)行狀態(tài)監(jiān)測(cè)和故障診斷具有十分重大的意義。 1 2 滾動(dòng)軸承故障診斷的意義 作為旋轉(zhuǎn)機(jī)械中應(yīng)用最廣泛的通用部件，滾動(dòng)軸承自身具有以下優(yōu)勢(shì)：摩擦 系數(shù)小、運(yùn)轉(zhuǎn)精度高、潤(rùn)滑易實(shí)現(xiàn)、裝配方便、大多類(lèi)型的滾動(dòng)軸承都能承受軸 向負(fù)荷和徑向負(fù)荷等，而且滾動(dòng)軸承這一零部件已經(jīng)國(guó)際標(biāo)準(zhǔn)化，同時(shí)，它的成 本低廉，具有很好的互換性，易于大批量生產(chǎn)。滾動(dòng)軸承自身也存在一定的不足： 抗沖擊能力教差，在沖擊載荷的沖擊作用下易發(fā)生故障，是易損件。另外，滾動(dòng) 軸承在滾動(dòng)體上的載荷分布并不是均勻的，在載荷線(xiàn)以下的一個(gè)滾動(dòng)體的受力最 大。當(dāng)滾動(dòng)軸承在工作時(shí)，內(nèi)外圈上各點(diǎn)所承受的應(yīng)力、應(yīng)力循環(huán)次數(shù)都是不同 的，這些因素對(duì)軸承的損壞都有很大影響【5 】。滾動(dòng)軸承是機(jī)器中最易損壞的零件 之一，據(jù)統(tǒng)計(jì)，在使用滾動(dòng)軸承的旋轉(zhuǎn)機(jī)械設(shè)備中，現(xiàn)場(chǎng)實(shí)際故障中約有3 0 是 由滾動(dòng)軸承故障引起的1 6 】，在齒輪箱的各類(lèi)故障中軸承的故障占到了1 9 t 7 l ，僅 次于齒輪的故障。由于滾動(dòng)軸承具有有限壽命且易發(fā)生疲勞損壞，軸承常因使用 不當(dāng)而比其他零件損傷更頻繁，據(jù)統(tǒng)計(jì)，僅有1 0 2 0 的軸承達(dá)到他們的設(shè)計(jì)壽 命。 滾動(dòng)軸承的失效必然會(huì)導(dǎo)致機(jī)械設(shè)備運(yùn)行的異常，進(jìn)而引發(fā)災(zāi)難性的后果。 例如，2 0 0 3 年5 月7 日，在武漢鋼鐵集團(tuán)的大型軋鋼廠高速線(xiàn)材生產(chǎn)線(xiàn)中，由于 4 號(hào)立式軋機(jī)的四軸軸承損壞，導(dǎo)致了三、四、五軸上的齒輪斷裂。在停產(chǎn)4 8 小 時(shí)更換備用減速機(jī)后才恢復(fù)生產(chǎn)1 8 j ，造成了重大的經(jīng)濟(jì)損失。對(duì)于運(yùn)轉(zhuǎn)正常的機(jī) 械設(shè)備，如故障不能及早發(fā)現(xiàn)并予以排除，則可能會(huì)引起相關(guān)部件的損壞，降低 生產(chǎn)效率，造成重大的損失。如一個(gè)普通軸承損壞后，可能導(dǎo)致整個(gè)齒輪箱不能 使用f 9 1 。 滾動(dòng)軸承產(chǎn)生故障的初始階段，由于故障程度很輕微，往往不易被人們發(fā)現(xiàn)。 由于發(fā)現(xiàn)不及時(shí)，往往引起停機(jī)或設(shè)備損壞，造成經(jīng)濟(jì)損失。因此，在設(shè)備維護(hù) 中，對(duì)滾動(dòng)軸承的診斷具有極其重要的意義。通過(guò)對(duì)運(yùn)行中的軸承進(jìn)行監(jiān)測(cè)、診 斷，可以及時(shí)發(fā)現(xiàn)由軸承故障引起的設(shè)備隱患，能夠預(yù)防事故的發(fā)生和減少經(jīng)濟(jì) 損失，同時(shí)，還可以進(jìn)一步找出故障產(chǎn)生原因，進(jìn)而劃清責(zé)任【l o l 。 對(duì)滾動(dòng)軸承的運(yùn)行狀態(tài)監(jiān)測(cè)和故障診斷，不但可以有效防止機(jī)械工作精度下 降，減少甚至杜絕事故發(fā)生，而且可以最大限度地發(fā)揮軸承的工作潛力，避免不 必要的維修造成的時(shí)間上的浪費(fèi)和經(jīng)濟(jì)上的損失；與此同時(shí)，對(duì)軸承的故障診斷 2 碩士學(xué)位論文 可以判斷其失效形式和原因，為軸承結(jié)構(gòu)的改進(jìn)設(shè)計(jì)和新軸承材料的研制應(yīng)用等 提供重要的參考依據(jù)。 1 2 1 滾動(dòng)軸承故障診斷技術(shù)的發(fā)展歷程 我國(guó)的設(shè)備故障診斷技術(shù)研究的起步比較晚，經(jīng)歷了2 個(gè)階段： 階段一：7 0 年代末到8 0 年代初。這一階段，對(duì)設(shè)備故障診斷技術(shù)從初步認(rèn) 識(shí)到初步實(shí)踐，主要是吸收國(guó)外的先進(jìn)經(jīng)驗(yàn)和學(xué)習(xí)國(guó)外先進(jìn)技術(shù)，同時(shí)對(duì)一些診 斷方法和故障的機(jī)理展開(kāi)研究； 階段二：8 0 年代初期到現(xiàn)在。這一階段全面開(kāi)展了對(duì)滾動(dòng)軸承故障診斷的新 理論研究工作，對(duì)這些理論的應(yīng)用進(jìn)行大量的嘗試。同時(shí)，引入了計(jì)算機(jī)測(cè)控等 先進(jìn)技術(shù)，快速的推動(dòng)了診斷系統(tǒng)的研究和應(yīng)用，并取得了一系列豐碩的研究成 果。如：南航振動(dòng)所的趙淳生等人研究開(kāi)發(fā)的m d s 系列軸承故障診斷系統(tǒng)等l lj ； 航空航天部6 0 8 研究所的唐德堯等人研究開(kāi)發(fā)的鐵路貨車(chē)的j k 8 6 4 1 1 滾動(dòng)軸承自 動(dòng)試驗(yàn)診斷系統(tǒng)和j k 8 3 4 2 齒輪軸承故障分析儀。 在國(guó)外，滾動(dòng)軸承的故障診斷大概開(kāi)始于2 0 世紀(jì)6 0 年代。在近年來(lái)發(fā)展極 為迅速，各種診斷方法和診斷技術(shù)在不斷的產(chǎn)生、發(fā)展和逐步完善，應(yīng)用的領(lǐng)域 也在不斷擴(kuò)大，診斷的有效性越來(lái)越高?？傮w而言，滾動(dòng)軸承的發(fā)展經(jīng)歷了以下 4 個(gè)發(fā)展階段1 2 ，1 1 q 3 】： 第一階段：利用通用的頻譜分析儀對(duì)軸承的故障進(jìn)行診斷軸承。2 0 世紀(jì)6 0 年代中期，在快速傅立葉變換( f f t ) 技術(shù)的出現(xiàn)和發(fā)展帶動(dòng)下，振動(dòng)信號(hào)的頻 譜分析技術(shù)得到了快速的發(fā)展，通過(guò)對(duì)滾動(dòng)軸承元件在有損傷情況下理論特征頻 率值的計(jì)算，然后將該理論特征頻率值和通過(guò)頻譜分析儀在經(jīng)過(guò)實(shí)際分析后得到 的結(jié)果進(jìn)行比較，從而判斷滾動(dòng)軸承是否存在故障。 第二階段：利用沖擊脈沖技術(shù)對(duì)軸承進(jìn)行故障診斷。在上世紀(jì)6 0 年代末， 瑞典的s p m 儀器公司研究開(kāi)發(fā)了沖擊脈沖計(jì)。它的原理是通過(guò)沖擊脈沖的最大幅 值來(lái)判定軸承是否存在故障。這種方法對(duì)軸承的早期損傷類(lèi)故障的檢測(cè)十分有效。 第三階段：利用共振解調(diào)技術(shù)對(duì)軸承進(jìn)行故障診斷。1 9 7 4 年，美國(guó)波音公司 的d r h a r t i n g 發(fā)明了一項(xiàng)叫做“共振解調(diào)分析系統(tǒng)的專(zhuān)利【l4 1 。共振解調(diào)分析 技術(shù)和沖擊脈沖技術(shù)相比，共振解調(diào)技術(shù)能更有效的對(duì)軸承早期損傷類(lèi)故障進(jìn)行 診斷。共振解調(diào)技術(shù)不僅能有效地診斷出軸承是否存在故障，還可以對(duì)產(chǎn)生故障 的軸承元件做出準(zhǔn)確的判定，甚至能對(duì)故障發(fā)生的大致嚴(yán)重程度進(jìn)行有效評(píng)估。 第四階段：以微機(jī)為中心的滾動(dòng)軸承在線(xiàn)故障監(jiān)測(cè)和診斷系統(tǒng)的開(kāi)發(fā)。2 0 世 紀(jì)9 0 年代以來(lái)，隨著微機(jī)技術(shù)超快發(fā)展，開(kāi)發(fā)出以微機(jī)為中心的滾動(dòng)軸承故障診 斷系統(tǒng)得到了國(guó)內(nèi)外研究者的重視。以微機(jī)為中心的信號(hào)分析及故障診斷系統(tǒng)具 有適應(yīng)性強(qiáng)、靈活性高，維護(hù)和升級(jí)較為容易的特點(diǎn)。目前，美、日、英、俄等 基于支持向量數(shù)據(jù)描述方法的滾動(dòng)軸承故障診斷方法研究 工業(yè)發(fā)達(dá)的國(guó)家相繼開(kāi)發(fā)了以微機(jī)為主的滾動(dòng)軸承狀態(tài)監(jiān)測(cè)與診斷系統(tǒng)，如 b e n t l y 公司的r o l l i n ge l e m e n tb e a r i n ga c t i v i t ym o n i t o r ( r e b a m ) 系統(tǒng)。 伴隨著軸承故障診斷這四個(gè)階段的發(fā)展，故障診斷理論和新的信號(hào)測(cè)試與處 理方法也不斷地涌現(xiàn)。以信號(hào)處理技術(shù)為基礎(chǔ)的故障診斷方法大致可以分為兩大 類(lèi)： 1 、以傳統(tǒng)信號(hào)處理為基礎(chǔ)的故障診斷方法，如沖擊脈沖法、幅值參數(shù)指標(biāo)分 析法、共振解調(diào)法、頻譜分析法等。 2 、以現(xiàn)代信號(hào)處理為基礎(chǔ)的故障診斷方法，如非線(xiàn)性技術(shù)處理法、現(xiàn)代譜分 析法、非高斯信號(hào)處理法、時(shí)頻分析法、智能診斷法等方法。 1 2 2 滾動(dòng)軸承故障診斷技術(shù)的研究現(xiàn)狀及發(fā)展趨勢(shì) 當(dāng)前，隨著計(jì)算機(jī)技術(shù)、信號(hào)檢測(cè)技術(shù)、人工智能技術(shù)、數(shù)字信號(hào)處理技術(shù) 的迅速發(fā)展，滾動(dòng)軸承故障診斷已經(jīng)成為了一門(mén)融合型學(xué)科。與傳統(tǒng)的滾動(dòng)軸承 故障診斷方法相比，目前的滾動(dòng)軸承故障診斷的研究方向主要有以下幾個(gè)方面 1 5 ，1 6 】： ( 1 ) 小波變換 小波分析是關(guān)于時(shí)頻域的一種局域分析，被譽(yù)為“數(shù)學(xué)顯微鏡 。它能通過(guò)平 移和伸縮等運(yùn)算功能對(duì)函數(shù)或信號(hào)進(jìn)行多尺度細(xì)化分析，從而解決許多傅里葉變 換不能解決的問(wèn)題7 1 ?；谛〔ㄗ儞Q在時(shí)、頻域的局部化和可變時(shí)頻窗的特點(diǎn)， 與傳統(tǒng)的傅里葉變換比較，小波變換更適合分析非平穩(wěn)信號(hào)。在實(shí)際應(yīng)用中，絕 大多是信號(hào)是非平穩(wěn)信號(hào)，而小波分析正適用于非平穩(wěn)信號(hào)的處理工具n 韻。由于 小波分析的特性，使其在滾動(dòng)軸承故障診斷領(lǐng)域得到廣泛研究。m o r ik 等利用離 散小波變換對(duì)滾動(dòng)軸承的振動(dòng)信號(hào)進(jìn)行分解，并從小波變換系數(shù)中成功地在線(xiàn)預(yù) 測(cè)了滾動(dòng)軸承的早期疲勞剝落故障粥。何曉霞等人通過(guò)采用連續(xù)小波分析方法， 對(duì)滾動(dòng)軸承的振動(dòng)加速度信號(hào)進(jìn)行了相關(guān)處理，提取了滾動(dòng)軸承分別在正常、外 圈剝落、內(nèi)圈剝落、滾動(dòng)體剝落等運(yùn)行狀態(tài)下的故障特征眩們。 ( 2 ) 專(zhuān)家系統(tǒng) 近年，隨著人工智能技術(shù)的發(fā)展，專(zhuān)家系統(tǒng)技術(shù)得到迅速推廣。專(zhuān)家系統(tǒng) ( e x p e r ts y s t e m ，e s ) 是應(yīng)用大量人類(lèi)專(zhuān)家的只是和推理方法求解復(fù)雜的實(shí)際問(wèn) 題的一種人工智能方法眩。專(zhuān)家系統(tǒng)就是一個(gè)智能的計(jì)算機(jī)程序，它能模擬專(zhuān)家 在處理問(wèn)題時(shí)的一些推理方法，利用已有的知識(shí)和經(jīng)驗(yàn)建立模型，解決問(wèn)題，并且 得到與專(zhuān)家相近似的結(jié)論眩2 。 故障專(zhuān)家系統(tǒng)是人工智能在機(jī)械故障診斷中的應(yīng)用，與人工領(lǐng)域?qū)＜蚁到y(tǒng)相 比，它具有成長(zhǎng)周期短、使用成本低、便于復(fù)制、能集中多個(gè)領(lǐng)域?qū)＜业闹腔鄣?諸多優(yōu)點(diǎn)而受到各方面的普遍關(guān)注眨如。 4 碩上學(xué)位論文 ( 3 ) 模糊診斷 模糊理論是通過(guò)模仿人的思維方式來(lái)處理系統(tǒng)的不確定性和模糊性，它運(yùn)用 不確定性程度來(lái)描述變量。它最大的特點(diǎn)是其模糊規(guī)則庫(kù)可以直接利用專(zhuān)家知識(shí) 構(gòu)造，因而能充分利用和有效處理專(zhuān)家的語(yǔ)言知識(shí)和經(jīng)驗(yàn)囈鍆。 在滾動(dòng)軸承振動(dòng)信號(hào)中，故障特征振動(dòng)和故障類(lèi)型并不存在一一對(duì)應(yīng)的關(guān)系， 一種故障可能會(huì)引起多種故障特征，一種故障特征也可能對(duì)應(yīng)著多種故障類(lèi)型。 基于此，軸承故障診斷領(lǐng)域引進(jìn)了模糊理論。軸承故障模糊診斷方法中的模糊概 念，可以通過(guò)模糊集合來(lái)表示，而該方法中的模糊變換運(yùn)算的作用是討論模糊判 斷、推理的。 ( 4 ) 人工神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò)具有處理復(fù)雜多模式及進(jìn)行聯(lián)想、推測(cè)和記憶功能，近年來(lái)在 故障診斷領(lǐng)域引起了廣泛研究。神經(jīng)網(wǎng)絡(luò)真正用于設(shè)備故障診斷起源于8 0 年代末 期，1 9 8 9 年v e n k a t 等人第一次成功地將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于模式匹配和故障診 斷中眨卯。將神經(jīng)網(wǎng)絡(luò)引入故障診斷領(lǐng)域，實(shí)現(xiàn)了故障診斷的智能化，提高了診斷 結(jié)果的可靠性，減輕了維修人員工作壓力。在實(shí)際故障診斷應(yīng)用中，神經(jīng)網(wǎng)絡(luò)一 般與其他方法結(jié)合使用。利用其他方法提取故障特征作為神經(jīng)網(wǎng)絡(luò)輸入，再應(yīng)用 神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識(shí)別。 ( 5 ) 單值分類(lèi)方法 支持向量數(shù)據(jù)描述作為單值分類(lèi)方法中的一種，它是在傳統(tǒng)的支持向量機(jī)和 統(tǒng)計(jì)學(xué)理論的基礎(chǔ)上發(fā)展起來(lái)的，它在解決非線(xiàn)性、小樣本及高維問(wèn)題中的優(yōu)勢(shì) 比較明顯。國(guó)內(nèi)外眾多學(xué)者認(rèn)為，支持向量機(jī)方法正在成為既神經(jīng)網(wǎng)絡(luò)研究之后 機(jī)器學(xué)習(xí)領(lǐng)域新的研究熱點(diǎn)。將支持向量數(shù)據(jù)描述這一方法應(yīng)用于故障診斷領(lǐng)域， 將會(huì)為智能診斷注入新的活力，并會(huì)推動(dòng)智能診斷技術(shù)的發(fā)展。 迄今為止，已經(jīng)涌現(xiàn)出了許多的滾動(dòng)軸承故障診斷技術(shù)，有的技術(shù)方法已經(jīng) 應(yīng)用于實(shí)踐，有的技術(shù)方法還處于實(shí)驗(yàn)研究階段?？傮w而言，這些技術(shù)都不夠完 善。今后，滾動(dòng)軸承故障診斷技術(shù)的發(fā)展趨勢(shì)如下 2 6 - 2 8 1 、小波理論在滾動(dòng)軸承故障診斷中的進(jìn)一步完善，并充分挖掘該理論在滾動(dòng) 軸承故障診斷中的實(shí)際運(yùn)用價(jià)值，將會(huì)使得小波理論在滾動(dòng)軸承故障診斷領(lǐng)域中 的應(yīng)用前景更加廣闊； 2 、故障診斷專(zhuān)家系統(tǒng)在滾動(dòng)軸承故障診斷中的進(jìn)一步開(kāi)發(fā)和應(yīng)用； 3 、故障診斷的本質(zhì)就是模式識(shí)別，神經(jīng)網(wǎng)絡(luò)不但具有非線(xiàn)性映射能力，而且 還具備學(xué)習(xí)歸納和并行處理能力，因此可以用于情況比較復(fù)雜的滾動(dòng)軸承故障診 斷； 4 、分形理論是研究非線(xiàn)性事物的有力工具，有科研工作中已將分形理論引入 到了故障診斷領(lǐng)域中，并取得了一定效果。故障診斷領(lǐng)域的重要研究方向之一就 基于支持向量數(shù)據(jù)描述方法的滾動(dòng)軸承故障診斷方法研究 是進(jìn)一步研究分形理論在滾動(dòng)軸承故障診斷中的工程應(yīng)用； 5 、通過(guò)不同的故障診斷方法提取得到的故障特征并非都能全面的反映滾動(dòng)軸 承故障特征的全部信息。解決這個(gè)問(wèn)題的辦法就是研究綜合診斷技術(shù)。將不同的 診斷方法以一定的方式結(jié)合起來(lái)的綜合診斷技術(shù)，有助于準(zhǔn)確了解軸承的故障信 息，提高診斷正確率，減少事故發(fā)生和經(jīng)濟(jì)損失。 1 3 支持向量數(shù)據(jù)描述理論及發(fā)展概況 傳統(tǒng)的支持向量機(jī)方法用于二分類(lèi)問(wèn)題能解決很多實(shí)際的問(wèn)題，在機(jī)械的故 障診斷中也取得了一定的效果，但前提是必須有足夠多的正常和故障數(shù)據(jù)樣本供 其學(xué)習(xí)和判斷。然而，在工程實(shí)際中，機(jī)械正常運(yùn)轉(zhuǎn)狀態(tài)的數(shù)據(jù)很容易采集得到， 但在故障狀態(tài)下的數(shù)據(jù)卻較難以采集到。而在實(shí)際的機(jī)械故障在線(xiàn)監(jiān)測(cè)和診斷中， 只需要判別機(jī)械設(shè)備是否運(yùn)轉(zhuǎn)正常。因此，故障診斷的前期過(guò)程可看作單值分類(lèi) 問(wèn)題。單值分類(lèi)法只需要正常運(yùn)行狀態(tài)的數(shù)據(jù)即可判斷機(jī)械設(shè)備運(yùn)行是否正常， 而不需要故障數(shù)據(jù)的參與，大大的降低了成本。 1 3 1 支持向量數(shù)據(jù)描述方法的產(chǎn)生 解決單值分類(lèi)問(wèn)題的方法主要有邊界法、重構(gòu)法、密度估計(jì)法。邊界法又包 括有k 中心法、支持向量數(shù)據(jù)描述法和最鄰近法( n e a r e s tn e i g h b o r ，n n ) 1 2 9 】。支 持向量數(shù)據(jù)描述，是繼s v m 之后產(chǎn)生的又一新的支持向量算法，它是在統(tǒng)計(jì)學(xué) 習(xí)理論和傳統(tǒng)的支持向量機(jī)上逐漸發(fā)展、成熟起來(lái)的一種新的方法。s v d d 是基 于s v m 的較大變形的支持向量學(xué)習(xí)機(jī)，它開(kāi)辟了機(jī)器學(xué)習(xí)領(lǐng)域新的研究方向。 超球 圖i 2 支持向量數(shù)據(jù)描述二維空間模型圖示 s v d d 方法是t a x 和d u i n 于1 9 9 9 年首次提出的概念【3 0 1 ，其二維空間示意圖 如圖1 2 所示。s v d d 是一種用于數(shù)據(jù)域描述的支持向量學(xué)習(xí)機(jī)，受到s v m 及其 6 碩上學(xué)位論文 創(chuàng)造者v a p n i k 的啟發(fā)，采用最小體積的超球約束目標(biāo)類(lèi)數(shù)據(jù)。s v d d 方法不同于 s v m 的分類(lèi)或回歸任務(wù)，它給予目標(biāo)類(lèi)緊致邊界描述，針對(duì)的是數(shù)據(jù)域描述問(wèn)題。 其基本思想是在特征空間中尋求一個(gè)最小容積的超球體，使得所有的或者絕大部 分的目標(biāo)樣本都被包含在該超球體內(nèi)，而非目標(biāo)樣本都落在超球體外。該理論認(rèn) 為超球體內(nèi)的點(diǎn)屬于目標(biāo)類(lèi)，而超球體外的點(diǎn)則被認(rèn)為是非目標(biāo)類(lèi)，從而達(dá)到將 兩類(lèi)樣本分開(kāi)的目的【川。 1 3 2 支持向量數(shù)據(jù)描述理論發(fā)展概況 從計(jì)算的角度看，s v d d 方法僅采用一類(lèi)樣本進(jìn)行訓(xùn)練，大大降低了計(jì)算的 復(fù)雜度。它具有約束條件簡(jiǎn)單、魯棒性強(qiáng)、泛化能力較好等優(yōu)勢(shì)。國(guó)內(nèi)外學(xué)著對(duì) s v d d 方法進(jìn)行了大量細(xì)致深入的研究。 不同的訓(xùn)練樣本對(duì)分類(lèi)或回歸的結(jié)果有不一樣的貢獻(xiàn)率。因此，有學(xué)者將模 糊數(shù)學(xué)引入s v d d 方法，對(duì)其進(jìn)行改進(jìn)。l i u 等人使用f c m 將模糊度引入s v d d 方法中，實(shí)現(xiàn)在t e t - l c d 生產(chǎn)過(guò)程中的故障監(jiān)控b 列。但是，將模糊度引入s v d d 中的方法是在原始空間中對(duì)模糊隸屬度進(jìn)行計(jì)算，當(dāng)樣本被映射到高位特征空間 后，它們的分布狀態(tài)發(fā)生了改變，若再使用由原始空間求解的模糊隸屬度，則不 能很好的反映樣本在高維空間中的隸屬信息。為此，張永等人口引提出提出了核p c m 算法，對(duì)訓(xùn)練樣本賦予其屬于各類(lèi)別的隸屬度，實(shí)現(xiàn)了模糊s v d d 的多類(lèi)分類(lèi)算 法。 s v d d 的目的是為目標(biāo)類(lèi)提供緊致的邊界描述，主要用于孤立點(diǎn)或新類(lèi)檢測(cè)； 2 0 0 1 年t a x 【3 4 1 對(duì)s v d d 進(jìn)行擴(kuò)展，在訓(xùn)練時(shí)加入負(fù)類(lèi)樣本對(duì)目標(biāo)類(lèi)進(jìn)行描述，比 僅含有正類(lèi)樣本的s v d d 更加可靠；a m i tx i n 等人對(duì)s v d d 進(jìn)行擴(kuò)展，提升為可 含負(fù)類(lèi)樣本【3 5 】；b a n e r j e e 等人利用s v d d 對(duì)高光譜圖像進(jìn)行異常檢測(cè)口們；陶新民 等人以高階統(tǒng)計(jì)矩陣奇異值譜作為故障特征使用s v d d 對(duì)軸承故障進(jìn)行檢測(cè)b ； 王培良等人利用獨(dú)立主成分分析提取出非高斯信息，結(jié)合s v d d 對(duì)非高斯特性下 的間歇過(guò)程故障進(jìn)行在線(xiàn)檢測(cè)b8 。2 0 0 4 年，t a x 和d u i n 論述了s v d d 的完整模 型，稱(chēng)之為支持向量數(shù)據(jù)描述【3 9 。 s v d d 方法作為一種小樣本學(xué)習(xí)算法，一旦運(yùn)用該方法對(duì)大規(guī)模數(shù)據(jù)進(jìn)行訓(xùn) 練時(shí)，就會(huì)存在以下缺陷：學(xué)習(xí)時(shí)間長(zhǎng)、對(duì)硬件要求高。因此，為應(yīng)對(duì)這種缺陷， 有學(xué)者提出增量s v d d 算法，它主要是通過(guò)對(duì)新增樣本集和原有的支持向量進(jìn)行 訓(xùn)練，求解出新的最小超球。但對(duì)新增樣本而言，并非它包含的所有樣本都能對(duì) 超球模型的構(gòu)建起作用。此外，在增量學(xué)習(xí)的過(guò)程中，在邊界附近的樣本有一定 的幾率會(huì)轉(zhuǎn)變?yōu)樾鲁虻闹С窒蛄?。因此，如果只保留原有樣本中的支持向量?則可能會(huì)引起樣本集信息丟失的現(xiàn)象。李自國(guó)提出了基于k k t 條件對(duì)增量訓(xùn)練 樣本集進(jìn)行約減的規(guī)則。并將這種規(guī)則應(yīng)用到軸承故障檢測(cè)的實(shí)際應(yīng)用中，取得 7 基于支持向量數(shù)據(jù)描述方法的滾動(dòng)軸承故障診斷方法研究 了較好的效果【4 0 1 。目前，國(guó)內(nèi)外財(cái)務(wù)報(bào)表舞弊行為逐漸增多，給國(guó)家和人民帶來(lái) 了很大的經(jīng)濟(jì)損失和不良影響。鑒于此，國(guó)內(nèi)外廣大的學(xué)者相繼展開(kāi)了對(duì)舞弊行 為的識(shí)別技術(shù)的研究以減少或杜絕舞弊這一現(xiàn)象。如b e l l 等人設(shè)計(jì)并實(shí)現(xiàn)了一個(gè) 邏輯回歸模型，為用戶(hù)提供鑒別財(cái)務(wù)報(bào)表存在舞弊的可能性4 1 】；譙虹等人利用 g m d h 模型對(duì)我國(guó)上市公司虛假財(cái)務(wù)報(bào)告進(jìn)行識(shí)別【4 2 1 。 1 4 本文的主要研究?jī)?nèi)容及結(jié)構(gòu)安排 在實(shí)際工程應(yīng)用中，故障數(shù)據(jù)缺乏一直是制約故障診斷技術(shù)發(fā)展的一個(gè)重要 問(wèn)題。支持向量數(shù)據(jù)描述( s u p p o r tv e c t o rd a t ad e s c r i p t i o n ，s v d d ) 方法是只需要一 類(lèi)樣本數(shù)據(jù)即可進(jìn)行分類(lèi)，具有計(jì)算速度快、魯棒性強(qiáng)、可有效處理小樣本數(shù)據(jù) 等優(yōu)點(diǎn)【4 3 1 。本文主要是通過(guò)對(duì)采集到的振動(dòng)信號(hào)進(jìn)行一系列處理，提取相應(yīng)的特 征參數(shù)，結(jié)合s v d d 方法，進(jìn)行故障診斷分析。 本文的具體內(nèi)容安排如下： 第一章：緒論。著重?cái)⑹隽吮疚牡倪x題背景及研究意義，給出了滾動(dòng)軸承故 障診斷的研究現(xiàn)狀及其發(fā)展趨勢(shì)。闡述了s v d d 方法的產(chǎn)生、發(fā)展及其優(yōu)勢(shì)。 第二章：滾動(dòng)軸承的故障機(jī)理與特征。闡述了滾動(dòng)軸承常見(jiàn)的故障模式及其 成因，分析了滾動(dòng)軸承的故障機(jī)理及其特征。 第三章：支持向量數(shù)據(jù)描述方法。介紹了支持向量數(shù)據(jù)描述方法，闡述了 s v d d 方法的原理，深入分析了支持向量數(shù)據(jù)描述方法的研究?jī)?nèi)容。 第四章：局部均值方法。對(duì)局部均值方法進(jìn)行了深入學(xué)習(xí)，并將其與e m d 方法進(jìn)行比較。 第五章：s v d d 方法在滾動(dòng)軸承故障診斷中的應(yīng)用。 第六章：總結(jié)和展望。 8 碩上學(xué)位論文 2 1 概述 第2 章滾動(dòng)軸承的故障機(jī)理與特征 滾動(dòng)軸承在運(yùn)行過(guò)程中的振動(dòng)信號(hào)常常能反映其變化規(guī)律和運(yùn)行狀態(tài)。在滾 動(dòng)軸承的故障診斷過(guò)程中，如果只是盲目的測(cè)定振動(dòng)信號(hào)，而不了解滾動(dòng)軸承的 振動(dòng)機(jī)理，不清楚滾動(dòng)軸承的故障類(lèi)型和與之對(duì)應(yīng)的振動(dòng)特性，那么，就不可能 準(zhǔn)確有效的診斷軸承是否發(fā)生故障。因此，為可靠地診斷滾動(dòng)軸承的故障，必須 準(zhǔn)確掌握滾動(dòng)軸承的相關(guān)知識(shí)。 2 2 滾動(dòng)軸承的結(jié)構(gòu) 滾動(dòng)軸承不僅是旋轉(zhuǎn)機(jī)械中最常見(jiàn)的通用零部件之一，而且也是旋轉(zhuǎn)機(jī)械容 易損壞的部件之一。據(jù)統(tǒng)計(jì)，旋轉(zhuǎn)機(jī)械約3 0 的運(yùn)行問(wèn)題是由軸承故障造成的。 它的好壞對(duì)機(jī)器的工作狀態(tài)影響極大。軸承的缺陷會(huì)導(dǎo)致機(jī)器劇烈振動(dòng)并且產(chǎn)生 噪音，甚至引起設(shè)備的損壞。對(duì)滾動(dòng)軸承進(jìn)行監(jiān)測(cè)和診斷，必須要對(duì)其結(jié)構(gòu)有較 為深入的了解。滾動(dòng)軸承的基本結(jié)構(gòu)包括內(nèi)圈、外圈、滾動(dòng)體、保持架等元件， 如圖2 1 示。 ( 毫) l 一內(nèi)圈 “衰動(dòng)體 ( b ) 2 - 矽 圈 毒_ 保持架 圖2 1 滾動(dòng)軸承結(jié)構(gòu)示意圖 2 3 滾動(dòng)軸承的故障機(jī)理 通常情況下，在工作期間，滾動(dòng)軸承固定或相對(duì)固定，它的外圈與機(jī)殼或軸 承座相聯(lián)接，而內(nèi)圈與機(jī)械設(shè)備的傳動(dòng)軸相聯(lián)接，隨著軸一起轉(zhuǎn)動(dòng)。當(dāng)軸承在一 9 摹于支持向量數(shù)據(jù)描述方法的滾動(dòng)軸承故障診斷方法研究 定載荷下以一定的速度運(yùn)轉(zhuǎn)時(shí)，由于傳動(dòng)軸上其他零部件的運(yùn)動(dòng)和力的作用等外 部因素和軸承自身的結(jié)構(gòu)特點(diǎn)、加工裝配誤差及運(yùn)行過(guò)程中出現(xiàn)的故障等內(nèi)部因 素，共同對(duì)軸和機(jī)殼或軸承座組成的振動(dòng)系統(tǒng)產(chǎn)生激勵(lì)，使整個(gè)系統(tǒng)產(chǎn)生振動(dòng)哺鍆。 當(dāng)振動(dòng)達(dá)到一定程度時(shí)，軸承就會(huì)產(chǎn)生故障。在實(shí)際的軸承故障診斷中，如果不 考慮軸承加工和裝配誤差，系統(tǒng)振動(dòng)則主要為運(yùn)行故障這一內(nèi)部因素所引起。滾 動(dòng)軸承的振動(dòng)通常分為兩類(lèi)h5 1 ：一方面與軸承的彈性有關(guān)的振動(dòng)；另一方面與軸 承滾動(dòng)表面的狀況( 傷痕、波紋等) 有關(guān)的振動(dòng)。前者與軸承的異常狀態(tài)無(wú)關(guān)， 而后者反映了軸承的損傷情況。 總的來(lái)說(shuō)，使得滾動(dòng)軸承產(chǎn)生振動(dòng)的主要?jiǎng)討B(tài)力有以下幾種： ( 1 ) 滾道表面的故障及不規(guī)則 滾到表面的故障和不規(guī)則造成了第一類(lèi)型的振動(dòng)。軸承存在故障，如外圈滾 道局部點(diǎn)蝕。軸承的某個(gè)表面不規(guī)則，如內(nèi)圈滾道不平。這些因素都會(huì)激起軸承 以故障特征頻率為特征的振動(dòng)。 ( 2 ) 軸承元件的剛度變化 由軸承元件的剛度變化引起的振動(dòng)類(lèi)似于第一類(lèi)振動(dòng)。軸承元件的剛度變化 是由于軸承及滾道表面不同部分的剛度不一引起的。如軸承受載運(yùn)行中載荷區(qū)的 滾動(dòng)體數(shù)目周期變化，從而引起剛度隨之變化。 ( 3 ) 潤(rùn)滑層破壞時(shí)發(fā)生沖擊脈沖 這種周期性的沖擊脈沖會(huì)激發(fā)兩種類(lèi)型的軸承振動(dòng)。第一種：由于沖擊脈沖 上升沿激發(fā)起較寬范圍內(nèi)的頻率成分；第二種：因?yàn)樽枘嵴鹗幈憩F(xiàn)為在固定( 自 然) 頻率附近的窄帶頻率。 ( 4 ) 摩擦力激勵(lì) 當(dāng)軸承表面出現(xiàn)磨損時(shí)，那么軸承相互接觸的表面的摩擦力就會(huì)增大。實(shí)質(zhì) 上，這些摩擦力是一系列隨機(jī)分布在發(fā)生時(shí)間、持續(xù)時(shí)間以及形式上的短的沖擊 脈沖。一般情況下，這些摩擦力會(huì)隨著運(yùn)轉(zhuǎn)周期的變化而發(fā)生變化的。它激起的 頻率范圍為2 1 0 k h z ，并隨著軸承的轉(zhuǎn)速升高而升高。 ( 5 ) 轉(zhuǎn)子自激振蕩力 當(dāng)轉(zhuǎn)子自激振蕩力作用于軸承時(shí)，軸承就會(huì)產(chǎn)生振動(dòng)。轉(zhuǎn)子的自激振蕩通常 出現(xiàn)在軸承間隙過(guò)大時(shí)。當(dāng)軸承間隙過(guò)大時(shí)，摩擦力會(huì)使軸承偏離它的平衡位置， 并繞初始位置作擺振運(yùn)動(dòng)。通常情況下，自激振蕩的頻率低于轉(zhuǎn)頻，它的值取決 于軸承間隙的大小和轉(zhuǎn)子特征。因此，自激振動(dòng)的頻率大多與已知頻率的分倍頻 的值是一致的。 ( 6 ) 與其他組件的交互力 與其他組件的交互力可能會(huì)對(duì)機(jī)器中其它組件產(chǎn)生的振動(dòng)力造成影響。例如， 軸承表面的不平衡會(huì)引起轉(zhuǎn)子振動(dòng)，而轉(zhuǎn)子的振動(dòng)則會(huì)導(dǎo)致定子和轉(zhuǎn)子間的間隙 1 0 碩十學(xué)位論文 發(fā)生變化。 軸承在無(wú)故障運(yùn)行和有故障運(yùn)行時(shí)引起的振動(dòng)所表現(xiàn)出來(lái)的特征是不同的。 在軸承的故障診斷中，我們研究的是由運(yùn)行故障引起的振動(dòng)。所以，從整個(gè)綜合 振動(dòng)信息中提取出由運(yùn)行故障所引起的有效振動(dòng)信息，準(zhǔn)確地診斷滾動(dòng)軸承的潛 在故障，就是滾動(dòng)軸承故障診斷的關(guān)鍵。 2 4 滾動(dòng)軸承失效的基本形式 滾動(dòng)軸承在不同轉(zhuǎn)速下的失效形式有一定的差異。當(dāng)軸承轉(zhuǎn)速刀 1 0 r m i n 時(shí)，滾動(dòng)軸承主要的失效形式有以下幾種 5 , 7 , 4 6 】。 l 、磨損失效 這是滾動(dòng)軸承一種常見(jiàn)的失效形式。滾動(dòng)軸承的內(nèi)外圈滾道、保持架、滾動(dòng) 體在機(jī)械加工過(guò)程中的表面不平整，或安裝軸承的軸頸或座孔有雜質(zhì)異物的浸入， 而引起的表面磨損。磨粒的存在是軸承磨損的基本原因，潤(rùn)滑不良會(huì)加劇磨損。 磨損會(huì)導(dǎo)致軸承游隙增大，表面粗糙度大幅增加，降低機(jī)器運(yùn)行的精度，增大運(yùn) 行過(guò)程中的振動(dòng)和噪聲。 滾動(dòng)軸承磨損失效的特征是： ( 1 ) 類(lèi)似靜壓痕； ( 2 ) 在配合上出現(xiàn)紅褐色磨損粉末的局部磨損； ( 3 ) 滾道面、滾動(dòng)體表面、凸緣面、保持架等磨損； ( 4 ) 圓錐滾子軸承擋邊磨損過(guò)大。 2 、壓痕失效 壓痕就是在滾道和滾動(dòng)體表面產(chǎn)生局部變形而出現(xiàn)的凹坑。它通常是由于過(guò) 載、沖擊、金屬粉末等異物落入滾道而形成。 壓痕失效的特征是： ( 1 ) 滾道面上存在按滾動(dòng)體間距分布的壓痕。壓痕主要出現(xiàn)在滾