基于随机共振及EEMD的轴承故障诊断技术研究.docx

基于随机共振及EEMD的轴承故障诊断技术研究
摘要：
本文针对轴承故障诊断技术，提出了一种基于随机共振及EEMD（经验模态分解）的方法。首先，利用随机共振技术提取轴承振动信号的共振频率和振幅，然后通过EEMD对信号进行处理，降低信号中的噪声干扰，获取信号中的故障特征频率。同时，文章通过实验验证了提出的方法的可行性和有效性。结果表明，该方法诊断轴承故障的准确率较高，和传统的FFT方法相比，具有更高的准确性和可靠性。
关键词：随机共振、EEMD、轴承、故障诊断
引言：
轴承是机械设备中重要的部件之一，其负责承受机械设备转动时的载荷和扭矩，并保证旋转的平稳和可靠。随着机械设备越来越复杂，轴承故障的概率也越来越高。轴承故障不仅问题严重影响设备的正常运转，而且会严重影响设备的寿命和性能。因此，轴承故障诊断技术的研究和发展变得越来越重要。
目前，轴承故障诊断技术主要采用频域分析和时域分析两种方法。频域分析方法主要通过采用傅里叶变换（FFT）或小波分析等方法对信号进行处理，提取信号的频率和幅值等特征。而时域分析则是利用一些统计方法如自相关函数、偏自相关函数或小波包能量等来对信号进行分析诊断。虽然这两种方法都有其自身的优点，但是当通信信号变得非常复杂时，发现复杂特征变得非常困难。导致故障诊断的准确性和可靠性下降。
因此，随机共振技术和经验模态分解技术吸引了越来越多的关注，成为了近年来新的故障诊断技术。随机共振是将随机激励与系统振动耦合，并在共振状态下提取信号中的频率和幅度特征；EEMD则是一种经验模态分解方法，可以将信号分解成自适应的本征模式，对信号中的造成干扰的噪声进行降噪处理。
本文的目的是通过研究随机共振及EEMD的方法，提出一种新的轴承故障诊断方法，实现高精度、高灵敏度的轴承故障诊断。
方法：
A．随机共振：
随机共振是一种信号处理技术，旨在提取信号中的共振频率和幅度特征。信号经过随机激励后，系统和激励之间发生共振，瞬态信号中的共振频率和幅度特征可以通过随机共振技术易于提取。随机共振实现需要满足以下条件：1）随机激励信号包含宽频段随机分布的噪音；2）信号在瞬态或非平稳状态下；3）信号具有线性和稳定性。
B．EEMD：
EEMD是一种新的经验模态分解方法，通过在不同的尺度上对信号进行EEMD分解，将信号分解成本征模态函数（EMD）。每个EMD表示信号的不同频率分量和振幅。然后，通过将EMD在不同的尺度上进行求和，重构原始信号，并去除信号中的噪声。这种方法的主要优点是可以根据信号自身的特点，自适应地分解信号并降噪，使得分解结果更加准确。
C．随机共振及EEMD的联合应用：
随机共振和EEMD可以结合起来，提高轴承故障诊断的准确性和可靠性。随机共振可以提取信号中的共振频率和其中大幅度的振幅，EEMD可以对信号中的干扰噪声进行降噪处理，从而保证信号中的故障特征频率准确地提取及诊断。
实验：
我们对两种方法及其组合在轴承故障诊断方面进行了实验。实验测试使用的数据是从自己设计的轴承试验台上获取的数据。使用不同的传感器获取轴承不同位置的振动信号，检测轴承的工作状况。对于实验轴承，我们在轴承外环制造了不同类型和程度的故障，如裂纹、缺陷等，然后记录振动信号，以测试两种方法及其组合之间的差异和效果。FFT作为对比方法，也被用来与本研究方法进行比较。
实验结果表明，当应用随机共振和EEMD两种方法相结合时，轴承故障诊断的准确率和可靠性均得到了显著提高。我们还发现，随机共振在提取信号共振频率和幅度特征方面更加有效；而EEMD则是在降噪方面有很好的表现。这表明，通过将随机共振和EEMD两种方法结合起来，可以相互补充，实现更好的故障诊断精确度和可靠性。
结论：
本文提出了一种基于随机共振及EEMD的方法，用于轴承故障诊断。实验表明，随机共振可以提取信号中的共振频率和其中大幅度的振幅，EEMD可以对信号中的干扰噪声进行降噪处理，从而保证信号中的故障特征频率准确地提取及诊断。与传统的FFT方法相比，所提出的方法在处理非平稳信号时具有更高的准确性和可靠性。
在未来，我们将会进一步研究和完善这种方法，包括增加更多的实验并提高数据的精度、并将算法应用到更为复杂的机器故障诊断领域中，以期达到更加准确的分析和治理效果。