轴承损伤是机械设备损伤的主要原因之一,其产生的振动信号具有微弱、非平稳和非线性的特点。针对不能准确从微弱信号中提取故障特征的问题,提出使用多尺度子带样本熵,首先对信号进行小波包分解得到多尺度信号,再将每一个多尺度信号进行子带分解得到多尺度子带信号,再求其样本熵得到多尺度子带样本熵,该方法能深入挖掘微弱信号的本质特征;针对非平稳信号能量密度分布不均的问题,提出使用平滑伪Wigner-Ville分布,其可对非平稳信号的瞬时对称相关函数进行时频聚集处理,使信号的能量均匀分布;针对不能准确的挖掘非线性数据的主流形的问题,提出使用局部保持投影(LPP,Locality Preserving Projection),LPP在投影过程中保持了最优的数据局部邻域关系,可以准确的挖掘非线性数据的主流形。文中分别采用四组正常、内圈故障、滚珠故障和外圈故障信号作为原始数据来验证该方法的有效性,实验结果证明该方法能故障诊断方法-电动折弯机数控滚圆机滚弧机价格低数控滚圆机多少钱有效地对信号故障进行分离和识别。 的四组故障信号并构成信号矩阵;(2)选取合适的小波基函数和分解层数，求出故障信号的多尺度子带样本熵;(3)对故障信号的多尺度子带样本熵进行希尔伯特变换本文有张家港市泰宇机械有限公司全自动滚圆机采集网络整理 http://www.gunyuanji.com  ，求出其解析信号;(4)选择合适的窗函数及其长度，求出解析信号的平滑伪Wigner-Ville分布，挖掘故障信号的时频分布特征;(5)对经过平滑伪平滑伪Wigner-Ville分布之后的信号进行LPP降维，挖掘故障信号的主流形结构，并得到故障信号的特征值和特征向量;(6)根据故障信号的特征值和特征向量，对轴承故障进行识别。该故障诊断方法的流程图如图1所示。图1故障诊断方法流程图Fi5实验验证分析5．1数据来源本文针对滚动轴承各种常见的故障的数据用该方法进行故障诊断，并用其他方法加以对比，从而验证该方法的有效性。数据来自于美国CaseWesternＲeserveUniversity轴承数据中心提供的公开数据，轴承型号6205－2ＲSJEMSKF深沟球轴承，分别选取正常、内圈故障、外圈故障和滚动体故障四种类型的数据，每一种故障分别选取四组负载和转速不一样的数据，轴承故障尺寸为0．021″，电机负载分别为0HP、1HP、2HP和3HP，转速分别为1797r/min、1772r/min、1750r/min和1730r/min，信号的采样频率为12000Hz。5．2故障特征提取轴承故障具有三种形式，分别为内圈故障、外圈故障和滚珠故障，每一种故障都具有不同形式的故障尺寸和故障频率等，以滚珠故障为例，滚珠故障信号的时频域图(见图2)。图2滚珠故障信号的时域频谱求取每一个故障信号的多尺度子带样本熵，初步提取故障信号的故障特征。在本文中，小波基函数为db3小波基函数，分解层数为3层，可求得8个尺度信号;再取每个故障诊断方法-电动折弯机数控滚圆机滚弧机价格低数控滚圆机多少钱本文有张家港市泰宇机械有限公司全自动滚圆机采集网络整理 http://www.gunyuanji.com