1、滾動軸承早期故障診斷是設備健康管理領域的研究內(nèi)容，它能夠在設備故障的早期或性能出現(xiàn)明顯異常之前識別出故障以便于安排維護和維修，具有重要研究意義。本課題以滾動軸承為研究對象，圍繞早期故障診斷這一主線，逐步展開微弱信號檢測、信號分解與篩選和信號降噪等研究，主要研究內(nèi)容如下:
　　首先，提出一種基于量子遺傳算法的自適應隨機共振檢測方法。通過分析系統(tǒng)模型參數(shù)對隨機共振的影響，明確參數(shù)優(yōu)化的必要性，將量子遺傳算法引入到參數(shù)優(yōu)化中對兩個系統(tǒng)參

2、數(shù)同時尋優(yōu)，并與傳統(tǒng)隨機共振、單變量自適應隨機共振進行對比，通過仿真信號和開源數(shù)據(jù)驗證雙變量自適應隨機共振效果。
　　其次，提出一種基于最大類間方差的經(jīng)驗小波變換信號分解方法。針對傳統(tǒng)分解方法存在窗固定、模式混疊等問題，將經(jīng)驗小波變換用于信號分解，并通過最大類間方差方法克服原有的邊界計算復雜、緩慢且受人為因素干擾較大的問題，實現(xiàn)信號頻譜的自適應劃分;研究有量綱與無量綱指標在早期故障階段對故障特征表現(xiàn)的差別，選取脈沖指標作為分解得到

3、的調(diào)幅-調(diào)頻分量的篩選指標，通過仿真信號與開源數(shù)據(jù)驗證最大類間方差一經(jīng)驗小波變換分解效果與評價指標對故障特征的表現(xiàn)情況。
　　再次，提出基于奇異值差分譜的信號降噪方法。針對調(diào)幅-調(diào)頻分量中的噪聲成分干擾信號波形的識別，對篩選得到的分量進行奇異值分解并找到其差分譜中最大的突變點，重構后實現(xiàn)降噪，通過仿真信號和開源數(shù)據(jù)驗證該方法與傳統(tǒng)降噪方法相比更貼近原始信號。
　　最后，試驗臺搭建、數(shù)據(jù)采集與試驗驗證。搭建滾動軸承振動測試試驗