以滚动轴承故障诊断的共振解调原理为基础，提供了一种以C8051F340单片机为核心的智能化轴承故障诊断仪的研制方案。由模拟硬件电路获得所需的轴承振动信号之后，通过USB接口和VB6．0程序实现与PC机联机的9通道数据采集电路，将模拟信号传送至上位机并使用上位机程序进行后续频谱分析及处理，判断轴承的运行状况；最后，通过实验的方式验证了共振解调原理与本诊断仪的正确性和实用性。

转子碰摩会引发转子和定子的振动，但由于转子系统的很多常见故障（如不对中、不平衡等）与碰摩故障的转子振动特征多有重复之处，在很大程度上限制了故障的有效诊断。于是以定子振动信号为诊断源，研究了碰摩故障的诊断技术。首先分析了定子振动的机理，认为碰摩时定子受到冲击力作用，会引发定子固有频率振动，提出可采用共振解调法进行碰摩故障的诊断。利用IFFT方法进行了定子固有振动信号的分离，再进行希尔伯特变换，得到其包络信号，并对其进行谱分析，从而完成分析诊断过程。最后进行了单点碰摩和局部碰摩的故障模拟实验，结果表明定子高频固有振动包络信号可以揭示碰摩故障的发生，结合角度定位信号，可以对转子碰摩故障进行定位。

针对滚动轴承原始振动信号信噪比小,以及传统共振解调中带通滤波器参数选择难以确定,且依赖于人的主观经验的问题,提出一种基于局部均值分解和共振解调相结合的方法;该方法首先利用局部均值分解算法将振动信号分解成多个分量,再通过希尔伯特(Hilbert)变换获得各个分量的时频图,然后利用快速谱峭图算法自动确定带通滤波器的中心频率和带宽,最后对信号进行带通滤波和包络解调分析完成故障诊断。数字仿真信号和滚动轴承实验证明了该方法的有效性。

滚动轴承故障程度量化评估是实现其有效剩余寿命预测和状态维修的基础,目前广泛研究的基于距离和概率相似度量的故障定量评估方法存在计算复杂且易于过早饱和等缺点,不利于在线监测应用。常规时域统计指标如均方根值(Root Mean Square,RMS)因具有计算简单且与故障发展趋势一致性较好等优点,在工程实际中得到广泛应用,但RMS对早期故障不够敏感。针对上述不足,提出了一种新的故障量化评估指标——自适应频带冲击强度(Shock Value of Selected Frequency Band,SVSB)。首先利用提出的包络谱谱峰因子(Crest of Envelope Spectrum,EC)对复平移Morlet小波滤波器的中心频率和带宽参数进行优化选择,得到自适应最优滤波器并对分析信号进行滤波;再将滤波信号的RMS值与EC值的乘积作为故障程度评估指标。该指标包含的RMS和EC分别反映了滤波频带内信号的总强度和冲击分量所占比例...

针对工程实际中滚动轴承发生故障的类型具有典型性和故障冲击信号具有周期性的特点,提出了一种典型谱相关峭度图算法。该算法在借鉴典型谱峭度图算法区间划分的思想基础上,将相关峭度指标代替峭度指标,不但避免了宽频带解调引入的噪声干扰,而且充分利用了典型故障冲击的周期性信息,并通过优化谱相关峭度值,快速定位典型故障冲击信号所在的频率区间,并将该算法应用于最优解调频带的确定。通过对仿真信号和轮对轴承实验信号的分析表明,该算法无论在准确性还是在稳定性方面均表现出了极大的优越性,能够有效的自适应定位共振频带。

快速谱峭度法(Kurtogram)是解决用于滚动轴承故障诊断的共振解调方法中带通滤波器中心频率和带宽参数确定问题的有效方法;Kurtogram以滤波后时域信号的峭度值作为滤波效果度量指标,然而该指标易受非高斯噪声和偶然性非周期冲击影响,可能导致滤波频带选择错误。考虑到偶然性冲击和非高斯噪声的包络谱与周期性冲击包络谱之间的特性差别,同时为了排除齿轮局部故障和转子碰摩等故障造成的冲击影响,提出按一定规则截取滤波后信号包络谱的中间段,并以该段数据的峭度值衡量周期性冲击响应的强弱,称为包络谱带通峭度;以包络谱带通峭度代替Kurtogram中滤波后时域信号的峭度值,得到一种改进的快速谱峭度方法。以仿真信号和实验室实测信号分析验证了该方法的有效性和优越性。

针对传统共振解调方法中带通滤波器带宽和中心频率的选取缺乏自适应性的问题,提出了一种基于EMD和典型谱峭图的改进型共振解调方法。该方法借助EMD优良的降噪效果,结合典型谱峭图方法,不但可以自适应地优化带通滤波器参数,还可以提高信噪比,增强故障冲击信号。通过对含典型故障的滚动轴承振动信号进行分析,验证了该方法在提取微弱故障特征上的有效性。

风力机滚动轴承早期故障诊断中,压缩感知算法能够利用信号的稀疏性对信号去噪,但稀疏度的选取对去噪结果影响较大。由于信号故障成分在傅里叶域的稀疏度已知,故可通过傅里叶变换基和压缩感知子空间追踪(CS_SP)算法对风力机信号的包络特征进行不完全重构,以降低噪声和其他无关信息的影响,获取直接反映故障特征的信号成分,从而提取故障特征频率。研究结果表明,压缩感知框架下的的共振解调技术能有效获取风力机滚动轴承的故障特征信息,验证了所提方法的有效性。