摘要：滚动轴承状态的好坏直接影响着设备的工作性能，能否及时有效的诊断出故障的发生以及判断故障发生位置对提高生产的经济效益和避免事故的发生具有重要意义。为了及时有效诊断出滚动轴承故障的发生以及故障发生的位置，本文利用滚动轴承振动信号的时域特征、频域特征分别诊断了西储大学数据和全寿命数据下的轴承状态。对比了正常信号和各类故障轴承信号的频谱图以及功率谱图等。为了更及时有效地分析滚动轴承故障信号特性，采用了一种基于变分模态分解(Variational Mode Decomposition,VMD)的自适应形态学滚动轴承故障诊断的方法，并且将其应用到实际的滚动轴承的数据中进行分析处理。发现能准确的找出其故障部位并得到其故障频率。

关键词： 滚动轴承；时域分析；频域分析；数学形态学；故障诊断

目录

摘要

ABSTRACT

第一章  绪  论-1

1.1 选题背景与意义-1

1.2 国内外研究现状及发展趋势-1

1.2.1 国内外研究现状-1

1.2.2 发展趋势-3

1.3 课题的主要研究内容-4

第二章  滚动轴承的时域故障诊断-5

2.1 引言-5

2.2 信号数据来源-5

2.2.1 西储大学数据-5

2.2.2 全寿命滚动轴承数据-9

2.3 常见的时域特征参数-10

2.3.1 有量纲参数-10

2.3.2 无量纲参数-11

2.4 全寿命时域特征提取-13

2.5 西储大学数据时域特征提取-19

2.6 本章小结-21

第三章  滚动轴承的频域故障诊断-22

3.1 引言-22

3.2 频域特征参数-22

3.3 滚动轴承的故障频率-23

3.4 全寿命频域特征提取-24

3.5 西储大学数据频域特征提取-26

3.6 振动信号的简单频域分析-27

3.6.1 振动信号的频谱分析-27

3.6.2 信号功率谱分析-27

3.7 本章小结-31

第四章  基于VMD的自适应形态学滚动轴承故障诊断-32

4.1 引言-32

4.2 数学形态学-32

4.2.1 数学形态学基本原理及算法-32

4.2.2 自适应形态学滤波器-34

4.2.3 仿真信号形态学滤波-34

4.3 变分模态分解基本原理及算法-35

4.3.1 变分模态分解基本原理-35

4.3.2 VMD算法流程-37

4.3.3 经验模态分解和变分模态分解仿真分析-37

4.4 基于VMD的自适应形态学滤波-39

4.6 本章小结-41

第五章 全文总结-42

参考文献-43

致  谢-45