基于陷波去噪和经验小波变换的滚动轴承故障诊断研究的任务书.docx

基于陷波去噪和经验小波变换的滚动轴承故障诊断研究的任务书
任务书
题目：基于陷波去噪和经验小波变换的滚动轴承故障诊断研究
一、研究背景
滚动轴承作为重要的机械传动部件之一，广泛应用于机械工业中，其故障对机器的正常运转会产生严重的影响，因此，对滚动轴承的故障诊断研究具有重要的意义。传统的滚动轴承故障诊断方法主要基于震动信号分析，如频域分析，时域分析等方法。但这些方法受到噪声的干扰较大，导致诊断效果不佳。近年来，滚动轴承故障诊断方面的研究开始涌现一些新方法，如小波变换、陷波去噪等方法，这些方法能够有效地提高滚动轴承故障诊断的准确率和可靠性。
二、研究目的
本次研究旨在利用陷波去噪和经验小波变换对滚动轴承信号进行处理，实现对不同故障状态下滚动轴承信号的诊断及故障类型的分类，为实现滚动轴承故障的早期诊断和预测提供技术手段。
三、研究内容
1.收集不同故障状态下滚动轴承的振动信号，包括正常状态和不同故障状态下的振动信号。
2.对收集的数据进行信号预处理，包括降噪处理、滤波处理等，提高信号的质量。
3.利用陷波去噪对信号进行处理，提取信号的特征。
4.利用经验小波变换对信号进行处理，将信号分解为多个子带并提取每个子带的特征。
5.利用特征提取结果进行故障诊断，分析故障类型及程度。
6.建立滚动轴承故障模型，通过搜集滚动轴承故障实例数据，训练出不同故障状态下的滚动轴承故障模型，并应用于实际生产车间。
四、研究意义
本次研究的意义在于：
1.提高滚动轴承故障诊断的准确率和可靠性，为实现滚动轴承的早期诊断和预测提供技术手段。
2.推广和应用新型的故障诊断方法，促进滚动轴承行业科技水平的提升。
3.建立滚动轴承故障模型，应用于实际生产车间，可以在一定程度上提高生产效率。
五、研究计划
1.第1-2周：收集滚动轴承振动信号数据，并进行预处理。
2.第3-4周：利用陷波去噪对信号进行处理，提取信号的特征。
3.第5-6周：利用经验小波变换对信号进行处理，将信号分解为多个子带并提取每个子带的特征。
4.第7-8周：利用特征提取结果进行故障诊断，分析故障类型及程度。
5.第9-10周：建立滚动轴承故障模型，并进行模型的训练和优化。
6.第11-12周：应用滚动轴承故障模型于实际生产车间进行测试。
七、参考文献
[1]王玉林.轴承故障的诊断与维护[J].机械制造,2011,(11):58-61.
[2]吴峰,王大川,孙涛跃.基于陷波滤波的转子轴承结构健康监测方法[J].振动测试，2014，29（4）：413-417。
[3]周炳荣，彭智伟.基于经验小波变换的变频空压机轴承故障诊断研究[J].机械科学与技术，2016,35(2):184-188。
[4]ZhouX,ChenW,HeZ,etal.RollingbearingfaultdiagnosisbasedonempiricalmodedecompositionandAdaBoostalgorithm[J].Measurement,2018,123:217-227.