1、軸承是燃?xì)廨啓C(jī)最主要的部件之一,它的狀態(tài)的好壞直接影響著燃?xì)廨啓C(jī)的工作狀況,輕則造成停機(jī),重則造成重大經(jīng)濟(jì)損失或?yàn)?zāi)難性事故。因此進(jìn)行軸承的故障診斷是非常有意義的,它可以減少經(jīng)濟(jì)損失,給出維修建議,節(jié)約財(cái)產(chǎn),避免事故的發(fā)生。
　　本文分析軸承的結(jié)構(gòu)、故障機(jī)理,用希爾伯特黃變換方法(Hilbert-Huang Transform,HHT)對(duì)軸承故障原始信號(hào)進(jìn)行研究,引入基于方差能量的信號(hào)相關(guān)系數(shù)計(jì)算方法,減少了后續(xù)計(jì)算量,提高信號(hào)處理

2、速度,對(duì)貢獻(xiàn)率比較大的幾個(gè)分量進(jìn)行Hilbert變換,可以確定信號(hào)頻率的組成成分,判別軸承發(fā)生了何種類型的故障,比小波變換處理同種信號(hào)時(shí)有自適應(yīng)優(yōu)勢(shì)和更廣泛的適用性。進(jìn)一步研究某未知燃?xì)廨啓C(jī)機(jī)軸承等級(jí)數(shù)據(jù)時(shí),發(fā)現(xiàn):不同的濾波頻率會(huì)影響結(jié)果的直觀性,但不影響包絡(luò)譜等級(jí)的直觀表示和故障判別;峭度系數(shù)是體現(xiàn)軸承振動(dòng)等級(jí)的一個(gè)重要因素,包絡(luò)分析能有效地增大這種等級(jí)差距。該方法比較適合分析未知信號(hào)的組成成分,為分析未知故障提供了一種思路。

3、　　從軸承原始信號(hào)出發(fā),提取軸承13個(gè)特征屬性參數(shù),把這些屬性參數(shù)作為訓(xùn)練、診斷樣本,采用不同的方法對(duì)軸承進(jìn)行診斷,結(jié)果表明:SVM在小樣本情況下具有良好的分類性能,但是不能有效區(qū)分同種類型的等級(jí)故障;改進(jìn)的SVM即PSO-SVM是利用粒子群理論對(duì)核函數(shù)參數(shù)進(jìn)行尋優(yōu),提高了診斷準(zhǔn)確率,在對(duì)軸承等級(jí)故障分類時(shí)效果不夠明顯;提出的PCA(Principle Component Analysis)與PSO-SVM相結(jié)合的故障診斷方法較好的解決