摘要
滚动轴承作为旋转机械中重要的零部件，其运行正常与否，关系着整个设备的安全。因为考虑到滚动轴承在实际应用时，其工况复杂、环境恶劣，易造成轴承损坏，且在轴承故障诊断中，故障特征信息往往会淹没在背景噪声中而难以被提取，而随机共振方法可将噪声中的部分能量转化为特征信号的能量，增强微弱特征信号，故本文采用随机共振方法针对滚动轴承的故障特征提取进行了研究。 本文考虑到参数对于随机共振效应的影响，采用群智能优化算法实现参数的自适应匹配。针对粒子群算法易造成局部收敛、导致算法优化结果的不稳定性，在粒子群算法的基础上做出了改进，提出了自适应权重的杂交粒子群算法，并将之应用到欠阻尼变步长周期势随机共振当中，当滚动轴承某一元件发生故障时，可以通过该方法对所产生的振动信号进行故障特征频率提取。 本文针对传统随机共振方法的信噪比评价指标必须提前知道故障产生元件的确切故障频率这一问题，提出了综合信噪比指标，该指标能通过在给定故障频率计算公式所获得的理论故障频率附近基于综合信噪比指标值最大搜索到最佳参数组合，从而实现轴承故障的实际特征频率提取。通过对仿真与实验信号的分析处理，验证了该方法的有效性与可行性。
NETL