基于小波变换的轴承故障特征提取方法的研究开题报告

1. 研究目的与意义（文献综述）

目的及意义：

滚动轴承是电力、冶金、石化、机械、航空航天以及一些军事工业部门中使用最广泛的机械零件，也是机械设备最易受损的零件之一，约有30%的机械故障是由滚动轴承引起的。因此对滚动轴承故障特征的提取方法的研究具有很大的研究前景。

滚动轴承是机械设备中工作条件最为恶劣的部件,它在机械设备中起着承受载荷和传递载荷的作用,其运行状态是否正常往往直接影响到整台机器的性能。与其他机械零部件相比,滚动轴承有一个很大的特点,其寿命离散性很大。有的轴承已大大超过设计寿命而依然完好地工作,而有的轴承远未达到设计寿命就出现各种故障。所以滚动轴承的故障诊断方法,一直是机械故障诊断中重点发展的技术之一。滚动轴承故障的准确诊断可以减少或杜绝事故的发生,最大限度地发挥轴承的工作潜力,节约开支,具有重大意义。基于以上几点，对于处在旋转机械核心部位的滚动轴承定期进行状态监测与故障诊断是非常有必要的，针对滚动轴承的故障诊断方法研究也是机械故障诊断领域的研究热点之一。本文专注于滚动轴承故障诊断的关键问题之一：滚动轴承故障特征提取方法的研究。

2. 研究的基本内容与方案

本文将利用小波变换的方法对滚动轴承故障进行特征提取分析。轴承在运行过程中发生点蚀、剥落、擦伤等表面损伤类故障时，在损伤部位产生的突变冲击脉冲力作用下，会形成周期性冲击振动。小波变换方法作为信号处理中极具潜力的分析工具，一方面不受信号时频相互交叠影响；另一方面，不会丢失源信号中的特征信息，从而有效实现多混叠信号的分离，具有良好的时频分辨率和瞬态检测能力，非常适合处理此类非平稳信号。本文首先对轴承振动信号采用时域特征，频域特征、时频域特征等信号特征的提取方法进行故障特征的提取，然后基于小波变换的算法进行故障特征的提取，并将其与未使用小波变换算法的特征提取进行对比。

在基于小波变换算法进行故障特征提取时，首先将采集到的故障轴承信号进行自相关预处理。信号中的非周期成分自相关处理后自相关值趋近为零，而周期成分的自相关值得到极大的增加。这样信号中的高斯噪声得到很好的抑制，非高斯成分得到突出，有利于特征提取。对预处理后的信号进行盲源信号分离，原始信号可以分解为统计独立的几个分量。在分解的独立分量中，那些因为信号叠加而幅值较大的非特征频率得到进一步的抑制，特征频率因为没有叠加，其幅值不变。最后选择小波函数，将独立分量信号分别进行小波变换。

将使用小波变换算法的特征提取与未使用小波变换算法的特征提取进行对比，体现小波变换的优越性。

3. 研究计划与安排

第1-3周：完成题目调研，完成文献阅读，进行相关资料的收集，完成文献综述以及开题报告的撰写；

第4-7周：学习并掌握小波变换算法的基本理论知识，对几种小波变换算法方法在matlab中进行实现；

第8-11周：采用小波变换算法，完成仿真信号进行算法正确性的验证；

4. 参考文献（12篇以上）

[1].彭畅.旋转机械轴承振动信号分析方法研究[d].重庆大学.2014.

[2].赵志宏.基于振动信号的机械故障特征提取与诊断研究[d].北京交通大学.2012.

[3].马川.滚动轴承故障特征提取与应用研究[d].大连理工大学.2009.