基于车辆总线和Laplace小波的机车轴承诊断系统
基于小波包和支持向量机的滚动轴承故障诊断方法研究
基于小波包和支持向量机的滚动轴承故障诊断方法研究摘要：滚动轴承是机械设备中常用的传动元件，其故障会严重影响设备的正常运转，因此滚动轴承故障诊断一直是机械领域的研究热点。
本文提出了一种基于小波包和支持向量机的滚动轴承故障诊断方法。
首先采集轴承运行时的振动信号，然后通过小波包变换对信号进行分解，得到多个频带信号。
接着，针对不同频带信号中的故障特征，采用支持向量机分类器进行故障诊断。
实验结果表明，该方法可以准确诊断出滚动轴承的故障类型，并具有较高的诊断率和鲁棒性。
该方法在滚动轴承的健康监测及维护中具有重要的应用价值。
关键词：滚动轴承；小波包；支持向量机；故障诊断1. 引言滚动轴承是机械设备中常用的传动元件，其故障会严重影响设备的正常运转，甚至导致设备损坏和生产停滞。
因此，滚动轴承故障诊断一直是机械领域的研究热点。
目前，滚动轴承故障诊断的方法主要包括振动信号分析、声音信号分析和温度信号分析等。
振动信号是滚动轴承故障诊断中最常用的信号，其具有灵敏度高、响应迅速、特征明显等优点。
因此，采用振动信号进行故障诊断已成为一种主流方法。
2. 小波包分解小波包变换是小波变换的一种改进方法，它在小波变换的基础上增加了分解级数的选择，可以逐级地对信号进行分解，得到更多的细节信息。
在滚动轴承故障诊断中，可以采用小波包分解对振动信号进行频带分解，进一步提取信号的特征信息，提高故障诊断准确率。
3. 支持向量机分类器支持向量机是一种广泛应用于模式识别和分类问题的机器学习算法，其基本思想是寻找一个超平面将数据分为两类，并使得两类数据点到超平面的距离（即间隔）最大化。
因此，支持向量机具有较高的分类精度和泛化能力，适用于处理高维度的数据，并且不易受到噪声的影响。
4. 基于小波包和支持向量机的故障诊断方法本文提出的基于小波包和支持向量机的滚动轴承故障诊断方法主要包括以下步骤：（1）采集滚动轴承运行时的振动信号，并进行预处理；（2）对预处理后的信号进行小波包分解，得到多个频带信号；（3）针对不同频带信号中的故障特征，选取合适的特征提取方法，并采用支持向量机分类器进行故障诊断；（4）根据分类结果判断轴承的健康状态，并进行相应的维护措施。
基于小波分析的滚动轴承故障诊断
基于小波分析的滚动轴承故障诊断【摘要】机械设备中较常见的、较常使用的就是滚动轴承，滚动轴承的工作状态可以直接对正太机器的运作起到功能性的影响作用。
在本篇论文中分析了滚动轴承的故障以及诊断的方式方法，作为极易损坏的，应用最广泛的机械零件应该给与深入的故障诊断分析。
小波分析作为崭露头角的诊断技术在今后的发展中需要进一步的研究与实践，才能够开阔更广泛的应用市场。
【关键词】小波分析；滚动轴承；故障分析诊断前言滚动轴承的不正常工作可以引发旋转机械的很多故障，所以轴承这部分零件的损耗大小对于整台机器是否能够正常工作起到决定性的作用，一旦滚动轴承产生损耗就会引起机器震动，继而导致大量的噪声，甚至会导致机械设备瘫痪。
所以滚动轴承的故障诊断分析，在实际的操作中是存在较大的可行性的，也是施工作业中很重要的工作部分。
可以通过小波分析的方法对滚动轴承产生的信号进行分析由此得出滚动轴承的故障判断。
1 小波分析故障诊断技术的研究现状与发展机械设备在出现问题的时候最明显的故障特征就是振动和冲击。
因此目前我们对机械设备存在问题故障的判断方式以振动为基础理论的。
在正常的工作中也正是振动和冲击时常反映在故障机器中。
我国现有的故障诊断方式中常见是引用Hilbert变换的包络分析法来实现解调。
在操作中专家实现包络信号提取的方式是利用垂直数字考虑技术，以这样的技术来合并将窄带部分的滤波和包络检测过程，与过去的希尔伯特方式相对比的话是存在一定的时效性的，其特征是检测波长不再受到限制、提高了重现采样实施过程中的精准度，为故障分析带来了更多的方便。
总得来说是以能量算子来检测滚动轴承的故障特征，从而确定诊断目的。
小波分析应用在振动信号处理技术是最近几年才普及的，在实际应用中小波分析能够同时提供的是振动信号的时域、频域的局部化变换信息。
其技术特征是具有多尺度性、数字微显示性，这两个特征可以使振动信号中的突变信号尤为明显的被识别出。
专家利用小波分析的技术特征融合近邻法成功的提出了对列车滚动轴承的故障诊断。
基于RSSD和小波变换的滚动轴承故障诊断
基于RSSD和小波变换的滚动轴承故障诊断严文超;王伟奇;黄蓉【摘要】滚动轴承故障被视作瞬态冲击成分,在信号共振稀疏分解中一般被分解到的低共振分量当中.由于噪声影响,低共振分量的希尔伯特解调包络谱中依然存在大量的干扰频率,使得故障特征提取有时不明显,或不易观察,因此本文提出了一种基于信号共振稀疏分解(RSSD)与小波变换相结合的故障诊断方法.在滚动轴承早期微弱故障的诊断中,采用小波分析技术对隐藏于低共振分量的故障特征进行提取,可以更加有效地凸显故障特征;通过对滚动轴承内圈和外圈单一故障振动信号的分析应用,成功提取了故障特征,验证了这一方法在滚动轴承早期故障诊断应用的有效性.【期刊名称】《武汉工程大学学报》【年(卷),期】2019(041)004【总页数】6页(P399-404)【关键词】滚动轴承;品质因子;信号共振稀疏分解;小波变换【作者】严文超;王伟奇;黄蓉【作者单位】湖北三峡职业技术学院,湖北宜昌 443000;湖北三峡职业技术学院,湖北宜昌 443000;湖北中南鹏力海洋探测系统工程有限公司,湖北宜昌 443000【正文语种】中文【中图分类】TH133.33滚动轴承是机械零部件中应用最广泛的一种，具有滚动摩擦阻力小、运转精度高的特点，其运行状况对设备性能影响明显，特别是高端机械装备中，如数控机床、风电装备、高铁机车、航空发动机、工业机器人等，滚动轴承的安装与旋转状态对装备的性能起着关键作用。
轴承滚道的接触表面光滑、尺寸精密，反映轴承早期故障的状态特征微弱［1］。
而且，滚动表面的损伤形状是无规则的，产生的振动将是由多种频率成分组成的随机振动［2］。
实际工作时，电机转速和工况经常发生变化，传感器提取的振动信号具有非平稳性，还含有大量背景噪声，故障特征难以有效提取。
因此，对故障特征提取技术的研究一直是滚动轴承故障诊断研究的关键。
2013 年，莫代一等［3］将基于信号共振稀疏分解（resonance-based sparse signal decomposition，RSSD）方法应用到滚动轴承早期故障诊断中，阐述了双重Q 因子的稀疏分解方法；陈向民等［4］将RSSD 方法应用于转子碰摩故障诊断中。
基于形态滤波和Laplace小波的轴承故障诊断
基于形态滤波和Laplace小波的轴承故障诊断臧怀刚;刘子豪;李玉奎【摘要】针对强噪声背景下，轴承故障冲击响应的提取易被周围噪声干扰的问题，提出了一种基于数学形态学滤波和Laplace小波的包络谱分析方法。
首先通过形态学滤波来滤除信号中的复杂噪声，增强信号的冲击特征，然后采用Laplace小波相关滤波法提取信号的冲击响应，最后对提取的冲击相关系数进行包络谱分析，即可诊断出故障。
该方法结合了数学形态滤波和 Laplace小波两者的优点，可以准确地捕捉到强噪声下的故障脉冲。
将该方法应用于轴承内圈、外圈的故障诊断，与传统包络谱分析方法的对比结果很好地验证了所提方法的有效性。
%Under stronger noise background,the extraction of the impulse responses appearing in fault vibration signals was usually affected by noise around.Aiming at this issue,an envelopment analG ysis method was proposed to diagnose localized defects in bearings based on the mathematical morphoG logical filtering and Laplace wavelet.Firstly,to filter the complex noises in the signals with morphoG logical filter and to enhance the impact features of signals,then,the impulse responses were extracted by Laplace wavelet correlation filtering method.At last,the envelope spectrum analysis was carried out on the correlation coefficientof impulse responses.The advantages of morphological filter and LaG place wavelet were combined,which might accurately capture the fault pulses under strong noises. This method was applied to bearings fault diagnosisof the inner rings and outer rings.It is nice to verG ify the effectiveness ofthe proposed method by the results of the fault detection comparing with the traditional envelope spectrum analysis.【期刊名称】《中国机械工程》【年(卷),期】2016(027)009【总页数】6页(P1198-1202,1203)【关键词】形态滤波;Laplace小波;相关滤波;包络分析;故障诊断【作者】臧怀刚;刘子豪;李玉奎【作者单位】燕山大学工业计算机控制工程河北省重点实验室，秦皇岛，066004;燕山大学工业计算机控制工程河北省重点实验室，秦皇岛，066004;燕山大学工业计算机控制工程河北省重点实验室，秦皇岛，066004【正文语种】中文【中图分类】TH133.33;TH165.3滚动轴承是各种旋转机械中最关键的零件之一，当其出现故障，将会产生周期性的脉冲冲击。
基于多功能车辆总线的机车轴承故障诊断系统
时间 的发展 变化 。 验表 明使 用组 合预 测模 型能较 好 试
至机 车 主处理单 元 ， 由状态 显示 屏提 示乘 务员 的相 应 操作 。
３ 轴 承 寿 命 预 测
我 国机车 轴承 寿命 预测 多采 用 灰色模 型 ， 得 了 取
各轴 承档 案 ， 预测 轴承 寿命 ， 展机 车轴 承 全 寿命 管 开
理研 究 。 上位 机通 过车 辆总 线将 机车 轴承 的状 况发 送
较好 的 效果 ， 灰 色模 型 只适 用于 短期 预测 。 车换 但 机
测结 果综合起来 ， 则能充分利用 ２ 种预测方法提 供的信 息， 使预 测 结果 对单 个模 型 预测 误差 不敏 感 ， 从而 提
高预 测精 度和 可靠 性 。
在 轴 承运 转 过程 中 ， 由于 磨损 、 滑不 良或异 物 润 落 入 ， 动特 征参 数 有增 长 的趋 势 ， 关研 究 已经证 振 有
数据 。 此外 ， 旦轴 承振 动超 限 ，自动 记 录振动信 号 ， 一 并 保存 全部信 号供 诊 断分析 用 。 所有 记 录数据 可 以通 过 ｕ盘 转储 到地 面计算 机 ， 用相应 处理 软件 进行处 利
理、 分析库后 ， 根据 运行 情况 （ 报 警 次数 、 置 ） 采用 小波 变换 、 位 ， 高阶谱 等先 进 的信号
率范 同为 ５ ２００Ｈ ～ ０ ｚ；参考 灵敏度 为５ ／ Ｉ Ｓ 。 ｍＶ Ｉ ・～ Ｔ
者 结合起来 构建 灰色一 时序组 合预测 模型能较 好地描 述 机 车轴 承故 障既有 一定 增长 又有 摆动 的趋势 。
机械故障大作业-基于小波分析的轴承故障诊断
机械故障诊断课程设计设计题目：基于小波分析的轴承故障诊断学院：机械工程系专业：机械制造设计及其自动化班级：学号：姓名：指导老师：完成日期：利用Daubechies小波对轴承的振动信号进行小波分解，采用Matlab编程快速地在计算机上实现基于小波分析的电机滚动轴承故障诊断，通过基于小波分解系数对含有故障特征频率的第一层细节信号进行小波重构并提取其Hilbert包络谱，从中检测出故障特征频率，据此判断故障类型。
关键词：滚动轴承故障诊断小波分析 Hilbert包络谱 Matlab第一章绪论 (1)第二章基于小波变换的滚动轴承故障诊断 (2)2.1 滚动轴承故障的特征频率 (2)2.2 基于小波分析的轴承故障诊断算法 (2)第三章轴承故障诊断的Matlab程序分析 (5)3.1 确定轴承各项参数并计算各部件的故障特征频率 (5)3.2 故障诊断的结果分析和结论 (5)3.2.1 第一组数据分析 (5)3.2.2 第二组数据分析 (7)3.2.3 第三组数据分析 (8)3.2.4 第四组数据分析 (9)参考文献 (12)附录 (13)第一章绪论滚动轴承在机械设备中使用非常广泛，其工作状态直接影响整个设备的运行品质,对滚动轴承进行状态监测与故障诊断，能够避免重大事故的发生，获得较大的经济和社会效益。
随着生产的需要，对轴承故障的检测方法也越来越多，其中，运用比较广发的集中方法是FFT、功率谱、倒谱、小波分析、人工神经网络、希尔伯特-黄变换、双谱。
小波变换是一种时频分析方法，进行多分辨率分析，即，将信号分解成若干层次的细节信号及概貌信号。
对轴承振动信号进行小波变换，提取其中具有故障特征的细节信号进行重构；对重构信号做Hilbert包络谱分析，从中检测出轴承的故障特征频率，据此判断故障类型。
利用Matlab软件编程快速地实现了基于小波变换分析的滚动轴承故障判断。
第二章基于小波变换的滚动轴承故障诊断2.1 滚动轴承故障的特征频率滚动轴承由外圈、内圈、滚动体和保持架组成，工作时外圈与轴承座或机壳相连接、固定或相对固定，内圈与机械传动轴相连接，随轴一起转动。
基于小波分析的齿轮箱滚动轴承故障诊断
振 动 价 采 集 ． ｌ所 ， ｊ 为ｆ ＾ 轮 精 高速 线 洲 ， ・ ， 振 动
信Ｉ ． ｆ 冬 ｉ ２ ， Ｊ ＇ 上 Ｊ ｉ 之 洲 ４ 对Ｊ 、 ｎ ０ ｛ 动 佶
潜 ｔ ｌ ，
ｔ ＇ １ 川
，
！ ｉ 涛ｆ ．
０
５ ０ ０
基 于 小 波分 析 的齿 轮 箱 滚 动 轴 承 故 障 诊 断
黎 康 康
（ 中 车 戒 墅堰 机 车 车 辆 工 艺 研 究 所 有 限 公 司 ， 江 苏 常州 ２ ｌ ３ ０ 】 １ ）
摘 要 ： 介绍 了一 利 齿 轮 箱故 障诊 断 方 法 ． 即 小 波 分 析 方 法 文 章 详 细描 述 了 小 波 分 析 过 程 和 结 果． 最后 通 过 齿 轮 箱折 衅 检 查验 证 了诊 断 结论 的 正 确性 ， 说 明 了 小波 分 析 方 法 的 可 行性
２ 小 波 分 析
利』 ｝ Ｊ 小波 分 ｝ Ｊ 技 术埘 ［ ｊ 尘 始 振 动 逊 分
ｔ ｌ 小波进 行 ５ Ｊ 分 蝌 埘 ｌ 逊
构．
价 』 ｌ ｌ ３所永 ， ｆ １ ｔ Ｉ ｌ、 ｔ Ｉ ２、 ｔ Ｉ ３、 ｔ ｌ ４、 ｔ Ｉ ５为离 ！ 细 １ 号， 反映 Ｊ ’ 号 的－
■ ’ …
ｒ ｒ １ ｒ ’ ’ １ ～ ’｜ Ｉ ｒ ’ １～
…
’ ｆ ｒ～
’
‘ ． ｔ ｜
ｒ ‘ ｒ’ ’ １ Ｔ一 ‘
０
【 ． ． ． Ｉ
０ ５
１
… ． ．
１ ５
． ～
２
— —～
２ ５
３
．
～ … ． ． 一 ’ ．
改进Laplace小波字典在轴承故障诊断中的应用
击一般表现为周期振荡的指数衰减形式［２］。文献 ［３］提出了 Ｌａｐｌａｃｅ小波的数学表达式并验证其对 故障冲击特征提取的有效性。文献［４－５］将相关 滤波法结合 Ｌａｐｌａｃｅ小波运用于滚动轴承的故障 诊断，有效地提取出了滚动轴承故障特征，充分验 证了基于 Ｌａｐｌａｃｅ小波原子库的稀疏表示方法在 滚动轴承 故 障 诊 断 中 的 可 行 性。 然 而，通 过 传 统 相关滤波法构造的过完备原子库必须涵盖相位、 阻尼系数及衰减频率信息，字典的规模异常庞大， 导致运算速度缓慢甚至算法无法运行。
稀疏分解与稀 疏 表 示 的 理 论 由 ＭＡＬＬＡＴ提 出，并广泛 应 用 于 故 障 诊 断 领 域［１］。 稀 疏 表 示 方 法中合适的原子及字典结构能够极大地提升字典 构造和稀疏表示的效率。滚动轴承的局部故障会 产生周期性 的 冲 击，从 而 在 其 振 动 信 号 中 表 现 出 周 期性的瞬态冲击成分，轴承故障引起的瞬态冲
李景乐，谢馨，王华庆
（北京化工大学 机电工程学院，北京 １０００２９）
摘要：机械系统中滚动轴承局部故障会导致振动信号中出现冲击响应成分，为有效提取轴承故障冲击特征，基 于信号稀疏表示理论，提出了基于改进 Ｌａｐｌａｃｅ字典的轴承故障诊断方法。通过快速 Ｆｏｕｒｉｅｒ变换及相关滤波 法确定基底函数的参数，构造 Ｌａｐｌａｃｅ小波基并通过错位拓展转换为 Ｔｏｅｐｌｉｔｚ矩阵，以此矩阵作为稀疏表示字 典，实现振动信号在 Ｌａｐｌａｃｅ小波基下的稀疏表示，提取信号中瞬态冲击成分特征。对仿真信号及轴承故障信 号的验证结果表明：基于改进 Ｌａｐｌａｃｅ字典的稀疏表示方法可有效提取冲击信号特征，实现轴承典型故障诊断。 关键词：滚动轴承；故障诊断；稀疏表示；Ｌａｐｌａｃｅ小波；相关滤波 中图分类号：ＴＨ１３３．３３；ＴＮ９１１ 文献标志码：Ｂ 文章编号：１０００－３７６２（２０１８）１１－００５７－０４
基于小波分析的滚动轴承故障诊断方法研究的开题报告
基于小波分析的滚动轴承故障诊断方法研究的开题报告一、研究背景与意义随着工业发展和机械设备不断升级，滚动轴承已经成为众多机械设备中不可或缺的部件之一。
然而，滚动轴承在长时间的运转过程中，由于摩擦和磨损等因素，很容易出现故障，导致机械设备出现异常噪音、振动等现象，最终会影响机械设备的安全性、可靠性和使用寿命。
因此，及时准确地诊断滚动轴承的故障原因，对于保障机械设备的正常运行具有非常重要的意义。
传统的滚动轴承故障诊断方法主要是通过听觉、视觉等手段进行直接观察，然而这种方法存在着主观性较强、可靠性差等缺点。
随着小波分析在信号处理中得到广泛的应用，通过对滚动轴承故障信号进行小波变换，可以得到更加精细的频率和时频特征，从而提高故障诊断的准确性和可靠性。
因此，本研究将基于小波分析，研究滚动轴承故障诊断方法，通过对滚动轴承故障信号的小波变换，提取出故障特征，实现对滚动轴承故障的准确诊断，为机械设备的正常运行提供可靠的保障。
二、研究内容和方法1.研究内容(1)研究滚动轴承故障信号的特征提取方法(2)研究小波变换在滚动轴承故障诊断中的应用(3)研究基于小波分析的滚动轴承故障诊断算法2.研究方法(1)对滚动轴承故障信号进行小波分析，提取出信号的频率和时频特征(2)建立基于小波分析的故障诊断模型，并通过实验验证模型的有效性(3)开发基于小波分析的滚动轴承故障诊断软件，并对软件进行测试和评估三、研究目标和预期成果1.研究目标(1)深入了解滚动轴承的工作原理和故障特征(2)综合运用小波分析、信号处理等技术，研究基于小波分析的滚动轴承故障诊断方法(3)建立基于小波分析的故障诊断模型，并对模型进行实验验证(4)开发基于小波分析的滚动轴承故障诊断软件2.预期成果(1)提出一种基于小波分析的滚动轴承故障诊断方法，可以更加精准地诊断滚动轴承的故障原因(2)建立基于小波分析的故障诊断模型，提高故障诊断的准确性和可靠性(3)开发基于小波分析的滚动轴承故障诊断软件，为机械设备的正常运行提供可靠的保障四、可行性分析1.理论可行性小波分析是一种成熟的信号处理方法，具有很好的时频分辨率特性，可以有效地提取滚动轴承故障信号的特征，因此理论上基于小波分析的滚动轴承故障诊断方法是可行的。
基于谱峭度和Morlet小波的滚动轴承故障诊断方法
基于谱峭度和Morlet小波的滚动轴承故障诊断方法针对共振解调方法中带通滤波器中心频率和带宽等参数选取的困难，本文结合谱峭度方法对其进行改进，首先利用Morlet 小波对其进行小波分解，然后利用峭度最大的原则设计出最优带通滤波器，最后利用包络分析进行故障诊断，通过实际信号对本方法进行了验证，结果表明本方法具有较好的效果。
标签：滚动轴承；故障诊断；谱峭度；包络分析滚动轴承由于摩擦系数小、传动效率高、使用寿命长、运转精度高等优点已广泛应用于各类机械系统中，滚动轴承的运行状况关系到整个机械系统的运行状况，加强对滚动轴承故障的预判与诊断有着十分重要的工程应用。
但是由于滚动轴承发生轻微故障时，振动信号一般比较微弱，容易淹没在复杂的环境噪音中，现有的包络分析技术已不能诊断此类故障，因此如何精准定位滚动轴承故障引起的共振带，是滚动轴承故障研究的一个热点。
小波分析等时频分析方法的提出使得研究人员可以同时分析故障信号在时域和频域的特性。
小波分析是一种窗口面积一定但形状可变的时频局部化分析方法，在信号低频部分有较高的频率分辨率和较低的时间分辨率，在高频部分则相反，它的这个性质使得小波分析使用于分析各类工程实际信号，具有较高的自适应能力。
谱峭度概念最早由Dyer提出，由于它对含噪信号中的微弱瞬态振动成分具有较高的敏感性，因此被广泛应用于提取轴承故障信号。
本文将小波分析与谱峭度方法相结合研究分析滚动轴承的故障振动信号，通过小波分解先对原始信号进行若干层的分析，将信号划分为不同的频带，然后利用谱峭度法则计算个频带的峭度值，最大峭度值所对应的频带一般就是含噪成分较多的频带，最后对其进行包络解调分析，获取信号故障成分。
1 Morlet小波变换2 谱峭度通过计算整个频带的谱峭度值就可以找到峭度值最大的频带，也就找到了瞬态故障频带，Antoni还引入了峭度图的概念用来描述频率和窗长的关系，当峭度图中频率和窗长所确定的频带峭度最大时，此频带正好是谱峭度值最大的频带的中心频率和带宽。
基于小波理论的滚动轴承智能故障诊断方法的研究的开题报告
基于小波理论的滚动轴承智能故障诊断方法的研究的开题报告一、选题背景及意义滚动轴承是机械制造过程中最常用的旋转运动部件之一，广泛应用于各种轴承应用场合中。
然而，长期以来，轴承的损坏问题一直是机械领域的热门问题之一，轴承的故障现象不仅会降低机械设备的效率，还可能导致机械设备的大量损坏。
因此，对滚动轴承的故障诊断及及时维修保养，不仅可以缩短设备停机时间，延长设备寿命，还可以提高设备故障预防和维修保养的效率和质量。
传统的轴承故障诊断方法主要是通过机械实验和振动信号分析。
然而，这种方法需要花费大量的时间和人力，并且对于某些难以观察到的轴承故障，如微裂纹等，无法进行有效检测。
因此，开发一种基于小波理论的滚动轴承智能故障诊断方法，可以提高轴承故障诊断的准确率和效率，为机械设备的运行稳定提供重要支撑。
二、研究目的及内容本研究旨在基于小波理论的故障诊断方法，结合机器学习和智能算法，实现滚动轴承的智能故障诊断。
主要内容包括：1.采集滚动轴承振动信号数据，建立故障诊断模型。
2.基于小波理论，对采集到的轴承振动信号进行小波变换，提取出有效的故障特征。
3.运用机器学习算法，如支持向量机、人工神经网络等，构建故障分类模型。
4.采用智能算法进行轴承故障的智能诊断，实现实时监测和预测。
三、研究方法本研究采用实验研究法和理论研究法相结合。
1.实验研究法：采集不同年限、不同故障类型滚动轴承的振动信号数据，建立基于小波变换的信号处理模型。
2.理论研究法：基于小波理论，对滚动轴承振动信号进行小波变换，提取有效的故障特征，采用机器学习算法构建分类模型。
四、研究意义本研究将解决目前轴承故障诊断方法存在的局限性，提高轴承故障诊断的准确率和效率，为机械设备的故障预防和维修保养提供重要支撑。
同时，本研究可以为振动信号处理和机器学习算法的应用提供新的理论支持，也可以为小波分析在机械故障诊断中的应用提供参考。
基于谱峭度和Morlet小波的滚动轴承故障诊断方法
３ 结 论
论文 利用 Ｆ Ｌ ＵＮＥ ＮＴ软件 ，对 长为 ４ ４ ０ ｍｍ，直 径为 ９ ０ ｍｍ不 同
如 下结论 ：
［ ２ ］ ＭＵ Ｊ Ｅ Ｆ Ｂ Ｕ Ｍ Ａ ， Ａ Ｂ Ｄ Ｕ Ｌ Ｌ Ａ Ｈ Ｍ Ｚ ， Ａ Ｂ Ｕ Ｂ Ａ Ｋ Ａ Ｄ Ａ Ａ ， ｅ ｔ ａ １ ．
关键词 ：滚动轴承；故障诊 断；谱 峭度 ；包络 分析
Ｄ Ｏ Ｉ： １ ０ ． １ ６ ６ ４ ０ ／ ｊ ｃ ｎ ｋ ｉ ． ３ ７ — １ ２ ２ ２ ／ ｔ ． ２ ０ １ ５ ． ２ ２ ． ０ ０ ４
滚动轴承 由于摩擦 系数小 、传动效率高、使用寿命长 、运 转精 度 峭度法则计算个频带 的峭度 值 ， 最 大峭度值所对应的频带一般就是含 高等优点 已广泛应用于 各类机械系统中 ，滚动轴承 的运行 状况关系到 噪成分较多的频带 ，最后对其进行包络解调分析 ，获取信号故 障成分。 整个机械系统的运行状 况 ，加强对滚动轴承故 障的预 判与 诊断有着十 １ Ｍｏ ｒ ｌ ｅ ｔ 小波变换 分重要的工程应用 。但是 由于滚动轴承发生轻微故 障时 ，振动信号一 般 比较微弱 ，容易淹没在 复杂的环境噪音中 ，现有 的包络分 析技术 已 （ ｃ ）∈１ 设 ，即 （ ０为一平方 可积 函数 ，若其傅 里 叶变 换中 （ 不能诊断此类故 障，因此 如何 精准定位滚动轴承故 障引起 的共振带 ， 满足容许性条件 （ Ａｄ ｍｉ ｓ ｓ ｉ ｂ ｌ ｅ Ｃ ｏ ｎ ｄ ｉ ｄ ｏ ｎ ） ： 是滚动轴承故障研究的一个热点 。 厂＋∞
三种 物性参 数下 的多孔 介质 材料 ，火焰面 在氧化 锆材 料下传播 速 度是对 快 的 ，在碳 化硅 材料下 传播速 度是 最慢 的 ，这两 者之 间的 参考文 献 ： 差 值最大 能达到 Ｏ ． １ ７ ５ ４ ｍ ｍ／ ｓ ，而 氧化铝 材料下速 度介于 两者之 间。
基于小波变换的滚动轴承内圈故障诊断
基于小波变换的滚动轴承内圈故障诊断
滚动轴承是机械设备中常见的零部件之一，其内圈是承受轴向负载的主要部位。
然而，由于长期使用和不良工作环境等原因，轴承内圈可能会出现故障，如裂纹、疲劳、磨损等。
这些故障如果不及时发现和处理，会导致设备的故障甚至事故，影响生产效率和安全性。
因此，轴承内圈故障的诊断显得尤为重要。
传统的诊断方法主要依靠人工观察和听觉判断，但这种方法存在主观性和不可靠性的问题。
近年来，基于小波变换的故障诊断方法逐渐成为研究热点，其优点在于能够提取信号的时频特征，从而更准确地诊断故障。
基于小波变换的滚动轴承内圈故障诊断方法主要包括以下步骤：
1.采集轴承振动信号。
通过加速度传感器等设备采集轴承振动信号，得到时域信号。
2.小波分解。
将时域信号进行小波分解，得到不同频率的小波系数。
3.特征提取。
根据小波系数，提取信号的时频特征，如能量、方差、峭度等。
4.故障诊断。
将提取的特征输入到分类器中，进行故障诊断，判断轴承内圈是否存在故障。
基于小波变换的滚动轴承内圈故障诊断方法具有以下优点：
1.能够提取信号的时频特征，更准确地诊断故障。
2.不受信号干扰和噪声的影响，提高了诊断的可靠性。
3.能够实现在线监测，及时发现故障，避免设备事故的发生。
基于小波变换的滚动轴承内圈故障诊断方法是一种有效的诊断方法，可以提高设备的可靠性和安全性，对于工业生产具有重要的意义。
基于EEMD和Laplace小波的滚动轴承故障诊断
基于EEMD和Laplace小波的滚动轴承故障诊断李昌林;孔凡让;黄伟国;陈辉;王超;袁仲洲【期刊名称】《振动与冲击》【年(卷),期】2014(000)003【摘要】滚动轴承故障导致振动信号中出现多阶模态冲击响应，为了提取单阶模态冲击响应的模态参数，由于La-place小波相关滤波受多阶模态冲击响应的影响，提出一种基于EEMD和Laplace小波的滚动轴承故障诊断方法。
先用EEMD把振动信号中的多阶模态脉冲响应分解为各单阶模态冲击响应分量，然后用从分解的分量的频谱中选取所需的单阶模态冲击响应分量，再用Laplace小波相关滤波对选取的单阶模态冲击响应分量进行分析，便可以诊断出故障。
通过对仿真信号和滚动轴承内圈、外圈、滚动体数据分析很好地验证了提出的方法的有效性。
【总页数】8页(P63-69,88)【作者】李昌林;孔凡让;黄伟国;陈辉;王超;袁仲洲【作者单位】中国科学技术大学精密机械与精密仪器系，合肥 230027;中国科学技术大学精密机械与精密仪器系，合肥 230027;苏州大学城市轨道交通学院，苏州 215021;中国科学技术大学精密机械与精密仪器系，合肥 230027;中国科学技术大学精密机械与精密仪器系，合肥 230027;中国科学技术大学精密机械与精密仪器系，合肥 230027【正文语种】中文【中图分类】TH165.3;TN911.7【相关文献】1.基于接触模型和峭度最优Laplace小波的滚动轴承量化诊断 [J], 袁幸;朱永生;张优云;洪军2.基于小波去噪和EEMD包络解调分析的滚动轴承故障诊断方法 [J], 时培明;许帅;李培3.基于 EEMD 降噪与非抽样提升小波包的滚动轴承故障诊断方法 [J], 肖顺根;宋萌萌;孔庆光;陈肇祥4.基于小波去噪和EEMD_HHT边际谱的滚动轴承故障诊断 [J], 胡谧5.基于小波阈值与CEEMDAN联合去噪的滚动轴承故障模式识别方法研究 [J], 别锋锋; 张仕佳; 裴峻峰; 徐鹏青因版权原因，仅展示原文概要，查看原文内容请购买。
Laplace小波在机车轴承故障诊断中的应用研究的开题报告
Laplace小波在机车轴承故障诊断中的应用研究的开题报告一、研究背景随着现代化技术的不断发展，机车轴承的安全性和可靠性已成为受关注的焦点。
为确保列车的平稳运行和安全，轴承故障的诊断和预测一直是机车维修和保养的重点任务。
目前，许多学者已经开始探索基于数字信号处理的机车轴承故障诊断方法。
在这些方法中，Laplace小波已被广泛用于振动信号分析领域，其优越性在机车轴承故障诊断中也得到了充分体现。
因此，本研究旨在探讨Laplace小波在机车轴承故障诊断中的应用。
二、研究目的本研究的主要目的是构建一个基于Laplace小波的机车轴承故障诊断系统，通过分析轴承振动信号的频谱和时域特征，确定轴承故障类型和位置。
具体而言，本研究的研究目的包括以下几个方面：1. 研究机车轴承故障的基本特征和分类方法，分析不同类型的轴承故障在振动信号中的频域和时域特征。
2. 探索Laplace小波在机车轴承故障诊断中的应用，建立基于Laplace小波分析的振动信号分析算法，对轴承振动信号进行分析和分类。
3. 设计机车轴承故障诊断系统，实现数据的采集、处理和分析，并提供准确的故障诊断结果。
三、研究内容本研究将采用以下研究内容：1. 机车轴承故障特征分析通过对机车轴承故障的基本特征和分类方法的研究，确定研究对象和研究内容。
对不同类型的轴承故障在振动信号中的频域和时域特征进行分析和比较，为Laplace小波分析算法的设计和优化提供理论基础。
2. Laplace小波分析算法设计针对机车轴承振动信号的特征，设计基于Laplace小波分析的振动信号分析算法，提取信号的时域、频域特征，并建立符合机车轴承故障诊断需求的特征提取模型。
3. 数据采集和实验设计收集机车轴承振动信号数据，利用实验台模拟不同类型的机车轴承故障，收集轴承振动数据，并将轴承故障分为不同类型和位置。
4. 机车轴承故障诊断系统设计基于Laplace小波分析算法和机车轴承故障特征分析，设计机车轴承故障诊断系统，并实现数据的采集、处理和分析。
基于小波包分析的汽车发动机轴承故障诊断方法
基于小波包分析的汽车发动机轴承故障诊断方法
戴立东;姜东升;范增增;杨诗婧
【期刊名称】《内燃机与配件》
【年(卷),期】2024()9
【摘要】本文旨在研究小波包分析在汽车发动机轴承故障诊断中的应用,根据小波包展开的结构材料早期损伤监测较为简单,可以灵敏的监测到早期故障损伤。
对失效破坏的故障发射信号进行分析,在此基础上,采用小波包分解技术,实现对汽车发动机轴承故障振动特征参数的有效提取,并将其应用到汽车发动机轴承故障诊断方法中。
通过实验验证,实现对汽车发动机轴承故障的高效诊断。
【总页数】3页(P48-50)
【作者】戴立东;姜东升;范增增;杨诗婧
【作者单位】江山安和机动车检测有限公司;开化县双优机动车检测有限公司;浙江衢州安邦机动车检测有限公司
【正文语种】中文
【中图分类】U279.34
【相关文献】
1.基于小波包分析的小飞轮轴承故障诊断方法研究
2.基于小波包分析方法的航空发动机滚动轴承故障诊断
3.基于小波包和EMD的HHT时频分析方法在航空试验器轴承故障诊断中的应用
4.基于小波包分析的航空发动机轴承故障诊断
5.基于小波包分解的汽车发动机轴承故障诊断方法
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
承 振 动 信 号 特 征 ， 对 故 障 轴 承 冲击 响应 由 一 系 列 单 边 衰 减 振 荡 信 号 组 成 ， 承 故 障 特 征 频 率 包 含 的 能 量 少 且 针 轴
受 到 噪声 干 扰 的特 点 ， Ｌ ｐａ ｅ小 波 引入 轴 承 振 动 信 号 分 析 ， 出 基 于 Ｌ ｐａ ｅ小 波 相 关 滤 波 和 包 络 谱 分 析 提 将 ａｌ ｃ 提 ａ ｌｃ 取 故 障特 征频 率 的 机 车 轴 承 诊 断 方 法 。试 验 表 明 ， 开 发 的 系 统 有 很 强 的鲁 棒 性 ， 有 效 诊 断 机 车 走 行 部 各 种 所 能 类 型 的故 障 。
ｂ ｓ ｄ ｆ ｕｌ ｉ ｇ ｓ ｉ ｙ ｔ ｍ ｏ ｏ ｏ ｏ ｉ ｅ ｂ ａ ｉ ｓ ｉ ｅ ｅ ｏ ｄ ａ ｅ ａ ｔｄ ａ ｎｏ ｔｃ ｓ ｓ ｅ ｆ ｒｌ ｃ ｍ ｔｖ ｅ ｒｎｇ ｓｄ ｖ ｌ ｐｅ ．Ｂｙ ｍ ｏ ｔ ｉ ｇ ｒ ａ ｉ ｅ ｐ ｒ ｔ ｒ ｎｄ ｖ — ｎｉｏｒｎ ｅ ｌｔｍｅ ｔ ｍ ｅ ａ ｕ ｅａ ｉ
关键 词 ：机 车 ；轴 承 ；故 障 诊 断 ；车 辆 总 线 ；Ｌ ｐａｅ 波 ａｌ 小 ｃ
中 图 分 类 号 ：Ｕ２ ９ ３ ２ ６ ． ２ 文 献 标 志 码 ：Ａ ｄ ｉ１ ． ９ ９ ｊ ｉｓ ． ０ １８ ６ ． ０ １ ０ ． ０ ｏ ： ０ ３ ６ ／．ｓｎ １ ０ － ３ Ｏ ２ １ ． ８ ０ ４
ｂ ａ ｉ ｉ ａ ｓｔ ｏ ｈ ｔ ｈｉｌ ｓ，ｉ ｔａ ａ ｔ ａ ｉ ｓ ｉ ｈｅｒ ｒ ｔｏｎ ｓｇｎ ｌ ｈｒ ｕｇ ｈｅｖｅ ｃｅ ｂｕ ｎｉｉ ｌｆ ｕｌｓｏｆｂｅ ｒｎｇ ｎ ｔ ｕｎｎ ｎｇ ｇｅ ｒ ｈｅ ｌ ｃ ｉ ａ ｓｏｆｔ ｏ ｏｍ ｏｔｖ ｒ ａ ｉｅ ａ ｅｄｉｇ— ｎ ｓ ｄ ａ ａ ｌ ａ ｎｉ ｇｓ ａ ｅ ｇ ｖｅ ｏ ｅ ｎｄ ｅ ｒ ｙ ｗ ｒ ｎ ｒ ｉ ｎ． Ｔ ｈ ｒ ｅ ｈａ ｄｗ ａ ｅ ｓ ｒ ｔ ｅ， ｓ ｆ ｗ ａ ｅ ｆ ｎｃ ｉ ｎｓ ａ ｅ ｔ ｒ ｓ ｏｆｔ ｉ ｇ ｓ ｓ ｒ ｔ ｕｃ ｕｒ ｏ ｔ ｒ ｕ ｔｏ ｎｄ ｆ ａ ｕ ｅ ｈｅ ｄ ａ ｎｏ ｉ ｓ ｓ ｅ ｒ ｅ ｅ ｔ ｄ Ｆｕｒ ｈｅ ｍ ｏｒ ｙ ｔ ｍ ａ ｅ ｐｒ ｓ ｎ ｅ ． ｔ ｒ ｅ， ｔ ｃ ｒ ｃ ｅ ｉｔｃ ｆ ｌ ｏｍ ｏｔｖ ａ ｉ ｉ ａ ｉ ｎ ｓｇｎ ｓ ａ ｅ ａ ａ ｙ ｅ ｈｅ ｈａ ａ ｔ ｒｓ ｉ ｓ ｏ ｏｃ ｉ ｅ ｂｅ ｒｎｇ ｖ ｂｒ ｔｏ ｉ ａｌ ｒ ｎ ｌ ｚ ｄ． Ｔａ ｎｇ ｉ ｏ ｃ ｓ ｄ ｒ ｔｏ ｈｅｉ ｐｕ ｓ ｅ ｐ ｓ ｓ ｏ ａ ｔｂ ａ ｉ ｇｓｃ ｎｓｓ ｆａ ｓ ｒｅ ｆｅ ｏｎ ｎｔａ ｌ ｃ ｙ ｎ ｉ ｋｉ ｎｔ ｏｎ ｉ ｅ ａ ｉ ｎ ｔ ｍ ｌ ｅｒ ｓ ｏｎ ｅ ｆｆ ｕｌ ｅ ｒｎ ｏ ｉｔｏ ｅ ｉ ｓｏ ｘｐ ｅ ｉ ｌｙ ｄｅ ａ ｉ ｇ ｓ— ｎ ｏｉ ｎ ｈｅ ｈａ ａ ｔ ｒｓ ｉ ｆ ｅ ｕｅ ｉｓ ｆ ａ ｔ ｅ ｒｎ ｒ ａ ｖ ｒ ｌ ｕｓ ｄｓ ａ ｄ ｔ ｃ ｒ ｃ ｅ ｉｔｃ ｒ ｑ ｎｃｅ ｏ ｆ ｕｌ ｂ ａ ｉ ｇｓ ａ ｅ ｔ ｅ ｙ ｏｗ ｅ ｒ ｌ ｖ ｌ ａ ｄ ａ ｂ ｅ ｓｌ ｎｅ ｇｙ ｅ ｅ ｓ ｎ ｃ ｎ ｅ ａ ｉｙ ｍ ａ ｋ ｄ ｂｙ ｎ ｓ ｓ ｈｅ ｌ ｐ ａ ｅｗ ａ ｅ ｅ ｓａ ｅ ｉ ｔ ｏｄ ｅ ｎ ｏ ａ ｌ ｓ ｓｏ ａ ｉ ｂｒ ｔｏ ｉ ｎａ ｓ Ｂｅ ｒ ｎ ｉ ｎａ ｓ ｓ ｅ ｏｉｅ ，ｔ ａ ｌ ｃ ｒ ｌ ｔ ｒ ｎ ｒ ｕｃ ｄ ｉ ｔ ｎａ ｙ ｉ ｆｂｅ ｒｎｇ ｖｉ ａ ｉ ｎ ｓｇ ｌ． ａ ｉ ｇ ｓｇ ｌ ａ ｅ ｐ ｅ ｏ ｅ ｓ ｄ ｔ ｒ ｇｈ Ｌａ ｌ ｃ — ａ ｅ ｅ ｒ ｎｓ ｏｒ ｔ ｃ ｉ ｖ ｅ ｔ ｅ ｅ ｔ ａ ｔｏ ｎｄ ｔ ａ ｔｄ ａ ｎｏ ｉ ｅ ｈ・ ｒ ｒ ｐｒ ｃ ｓ ｅ ｈ ｏｕ ｐ ａ ｅ ｗ ｖ ｌ ｔｔ ａ ｆ ｍ ｏ ａ ｈ ｅ ｅ ｆ ａ ｕｒ ｘ ｒ ｃ ｉ ｎ ａ ｈｅ ｆ ｕｌ ｉ ｇ ｓ ｓｍ ｔ — —
ＹＡＮＧ ｉｎ — ｉ ｎ ＺＨ ＡＯ ｉ ｇ ｙ ａ Ｊ ａ ｇ ｔａ ， Ｍ ｎ—ｕｎ
（ １ ｃ ｏ ｌｏ ｅ ｈ ｎｃ ｌ ．Ｓ ｈ ｏ ｆＭ ｃ ａ ｉａ ，Ｅｌｃｒ ｎｃａ ｄＣｏ ｔｏ ｇｎ ｅｉｇ，Ｂｅｊｎ ｉｏｔｎ ｅ ｔｏ ｉ ｎ ｎ ｒ ｌＥｎ ｉｅ ｒｎ ｉ ｇＪａ ｏ ｇ Ｕｎｉｅ ｓｔ ｉ ｖ ｒｉｙ，Ｂｅｊ ０ ０ ４，Ｃｈｎ ｉｉ １ ０ ４ ｎｇ ｉａ
摘 要 ： 为保 证 高 速 客 运 机 车 的行 车 安 全 ， 发 基 于 车 辆 总 线 的 机 车 轴 承 故 障 诊 断 系 统 ， 过 车 辆 总 线 监 测 温 度 开 通 和 振 动 信 号 对 机 车 走 行 部 轴 承进 行 早 期 诊 断 和 预 警 。给 出诊 断 系统 的 硬 件 结 构 、 软件 功 能 与 特 点 。分 析 机 车 轴
Ｆａ ｌ ａ ｎ ｓ ｓ Ｓ ｓ ｅ ｏ ｃ ｍ ｏ ｉ ｅ Ｂｅ ｒ ｎ ｓ ｕ ｔ Ｄｉ ｇ ｏ ｉ ｙ ｔ ｍ ｆ ｒ Ｌｏ ｏ ｔｖ ａ ｉ ｇ Ｂａ ｅ ｎ Ｖｅ ｉ ｌ ｓ ａ ｐｌ ｃ ａ ｅ ｅ ｓ ｄ ｏ ｈ ｃ ｅ Ｂｕ ｎｄ Ｌａ ａ ｅ Ｗ ｖ ｌ ｔ
第 ３ ３卷 第 ８期 ２０ １ １年 ８ 月
铁
道
学
报
Ｖｏ１ ３ ．３ Ａｕｇｕ ｔ ｓ
ＮＯ ．８ ２ ０１１
ＪＯ Ｕ ＲＮ Ａ Ｌ Ｆ Ｏ ＴＨ Ｅ ＣＨ Ｉ Ａ Ｎ ＲＡ Ｉ ＬＷ Ａ Ｙ Ｓ０ＣＩ ＥＴ Ｙ
文 章 编 号 ： ０ １８ ６ ２ １ ） ８ ０ ２ — ５ １ ０ — ３ ０（ ０ １ ０ —０ ３０
２ ＣＮ Ｒ ｔ ｎ ｅ ｔ ｉ ｃ ｍ ｏ ｉ ｅ Ｃｏ ， ｄ ． Ｄａ ｏ ｇ Ｅｌ ｃ ｒｃ Ｌｏ ｏ ｔｖ ． Ｌｔ ．， Ｄａ ｏ ３ ０ ８， Ｃｈ ｎ ） ｔ ｎｇ ０ ７ ３ ｉａ
Ａｂｓｒ ｃ ： ｎ ｏｒ ｅ ｏ ｇｕ ｒ ｎｔ ｅ ｔ ｕｎ ｎｇ ｓ ｆ ｔ ｈｅ ｈｉ — ｐ ｅ ｓ ｅ ｅ ｏｃ ｔａ ｔ Ｉ ｆｔ ｇｈ ｓ ｅ ｄ ｐａ ｓ ｎｇ ｒｌ ｏｍ ｏｔｖ ｉ ｅ，ａ ｎｏ ｌｖｅ ｃ ｅ— ｓ ｖｅ ｈｉｌ ｂｕ —
基 于 车 辆 总 线 和 Ｌ ｐａｅ小 波 的机 车 轴 承 诊 断 系统 ａ ｌｃ
杨 江 天 ， 赵 明 元
（＿ 京 交通大学 机 械与电子控制工程学 院， １北 北京 １ ０ ４ ； ０ ０ ４ ２ ．中 国 北 车 集 团大 同 电力 机 车有 限 责 任 公 司 ， 西 大 同 山 ０７３ ） ３ ０ ８