1、滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械中最常用的零部件之一，其工作狀態(tài)正常與否直接影響到整臺(tái)設(shè)備的性能甚至整個(gè)生產(chǎn)線的安全和生產(chǎn)。因此，研究滾動(dòng)軸承的狀態(tài)監(jiān)測(cè)和故障診斷技術(shù)，對(duì)于避免突發(fā)事故的發(fā)生以及維修體制的變革等具有重要的理論價(jià)值和現(xiàn)實(shí)意義。本文以滾動(dòng)軸承為研究對(duì)象，針對(duì)特征提取這一滾動(dòng)軸承故障診斷中的關(guān)鍵問題，從軸承振動(dòng)信號(hào)的處理著手，進(jìn)行了一系列的研究工作。主要內(nèi)容如下:
　　1)闡述了論文選題的背景與意義，分析了滾動(dòng)軸承的振動(dòng)機(jī)理，總結(jié)了滾

2、動(dòng)軸承診斷信息獲取、故障特征提取和故障模式識(shí)別等方面國(guó)內(nèi)外的研究現(xiàn)狀，在此基礎(chǔ)之上，確立了本文的研究思路和研究?jī)?nèi)容。
　　2)提出了一種基于IMF峭度的滾動(dòng)軸承故障診斷方法。在分析峭度在軸承故障診斷中的局限性的基礎(chǔ)上，提出利用經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥MD）方法把滾動(dòng)軸承的振動(dòng)信號(hào)分解為一系列代表不同頻帶的內(nèi)蘊(yùn)模式函數(shù)(IMF)，再取包含豐富故障信息的前幾個(gè)IMF計(jì)算其峭度值，用不同頻帶信號(hào)的峭度值來(lái)進(jìn)行軸承工作狀態(tài)的分析，最后以這些峭度值

3、作為故障特征向量，輸入支持向量機(jī)(SVM)實(shí)現(xiàn)軸承的故障診斷，并用實(shí)驗(yàn)信號(hào)進(jìn)行了驗(yàn)證。
　　3)針對(duì)IMF峭度對(duì)軸承故障損傷程度識(shí)別能力的不足，提出了一種基于IMF包絡(luò)樣本熵的滾動(dòng)軸承故障診斷方法。首先介紹了熵概念的發(fā)展及泛化，并給出了樣本熵的定義，然后針對(duì)樣本熵在表征信號(hào)復(fù)雜度時(shí)存在熵值大小和復(fù)雜度高低不一致的缺點(diǎn)，結(jié)合滾動(dòng)軸承故障信號(hào)的調(diào)制特征，提出利用包絡(luò)信號(hào)的樣本熵作為滾動(dòng)軸承的故障特征。該方法利用EMD先把振動(dòng)信號(hào)分解為

4、若干IMF之和，再選取包含豐富故障信息的IMF求其包絡(luò)信號(hào)，最后計(jì)算包絡(luò)信號(hào)的樣本熵，然后以包絡(luò)樣本熵組成故障特征向量，結(jié)合SVM完成滾動(dòng)軸承不同工作狀態(tài)的識(shí)別。結(jié)果表明，所提方法不僅能夠區(qū)分軸承不同類型的故障，還能準(zhǔn)確識(shí)別不同的故障損傷程度。
　　4)將層次熵（Hierarchical entropy，HE）引入到滾動(dòng)軸承故障特征提取中。在分析樣本熵和多尺度熵表征信號(hào)復(fù)雜度的不足的基礎(chǔ)上，介紹了層次熵的基本概念和算法，提出了基于

5、層次熵的滾動(dòng)軸承故障特征提取方法。層次熵通過構(gòu)造特定的算子，不但能夠考察信號(hào)“低頻成分”的樣本熵，還能夠計(jì)算“高頻成分”的樣本熵。最后，結(jié)合SVM實(shí)現(xiàn)滾動(dòng)軸承的故障診斷，同時(shí)與前面提出的故障診斷方法以及多尺度熵方法進(jìn)行了對(duì)比分析。實(shí)驗(yàn)驗(yàn)證結(jié)果表明，基于層次熵和SVM的滾動(dòng)軸承故障診斷方法效果最優(yōu)，識(shí)別率達(dá)到了100％。
　　5)提出了一種基于EMD和相關(guān)系數(shù)的滾動(dòng)軸承早期故障檢測(cè)方法。運(yùn)用模式識(shí)別方法進(jìn)行不同軸承故障類型的分類是建

6、立在故障樣本數(shù)據(jù)可獲得的基礎(chǔ)之上的，而在實(shí)際的生產(chǎn)應(yīng)用中，很難獲得不同故障類型的軸承振動(dòng)數(shù)據(jù)。針對(duì)這一問題，把軸承故障檢測(cè)當(dāng)作是異常檢測(cè)問題，完全基于軸承正常振動(dòng)信號(hào)，通過相關(guān)系數(shù)的計(jì)算和簡(jiǎn)單的設(shè)定，實(shí)現(xiàn)軸承故障的自動(dòng)檢測(cè)。完成故障的檢測(cè)以后，利用包絡(luò)分析法完成軸承故障的診斷，最后通過全壽命周期實(shí)驗(yàn)信號(hào)驗(yàn)證了該方法的有效性。
　　6)將希爾伯特振動(dòng)分解(Hilbert Vibration Decomposition，HVD)引入到