1、滾動軸承是機械設備中最常用的部件之一，因此對滾動軸承故障診斷的研究十分重要。當滾動軸承某一元件表面出現(xiàn)局部損傷時，在受載運行過程中要周期性地撞擊與之相互作用的其他元件表面，從而產(chǎn)生周期性的沖擊脈沖力。由于沖擊脈沖力的頻帶很寬，會覆蓋軸承系統(tǒng)的各個固有頻率，所以該脈沖力同理想脈沖一樣必然激起軸承系統(tǒng)的各個固有振動。這樣原來的平穩(wěn)振動信號變成了非平穩(wěn)振動信號。傅立葉變換在頻域上是完全局部化的，但它不能提供任何時域的局部化特征，因此它不適應非

2、平穩(wěn)信號的分析。小波分析能多尺度地同時提供信號在時域和頻域的局部化信息，因而成為信號處理尤其是非平穩(wěn)信號處理的重要手段。 人工神經(jīng)網(wǎng)絡因其特有的優(yōu)勢使得它的應用日益廣泛，它的計算能力有三個顯著的特點：一是它的非線性特征；二是并行分布結(jié)構(gòu)；三是它的學習和歸納能力。同時，它實現(xiàn)容易，采用大量簡單的神經(jīng)元構(gòu)成神經(jīng)網(wǎng)絡解決難以直接使用解析式處理的問題。因此將神經(jīng)網(wǎng)絡引入軸承故障診斷正好利用其特點，將問題處理從傳統(tǒng)方法轉(zhuǎn)向人工智能方面。

3、 針對基于小波包絡解調(diào)技術的滾動軸承故障診斷，本文主以下幾方面展開研究： 1、系統(tǒng)的介紹了滾動軸承的振動機理及其典型故障的振動特征； 2、細致地闡述了小波分析的基本理論及其在信號處理中的應用； 3、闡述了基于小波包分解與重構(gòu)的包絡解調(diào)法(小波包絡法)和小波包分解頻帶能量監(jiān)測法(小波包能量法)的原理，分別用這兩種方法對滾動軸承幾種典型故障進行了診斷，并提取特征向量。 4、分別將得到的兩種特征向量與BP