摘要
柔性薄壁轴承是谐波减速器的关键零部件，轴承的轻微损坏不仅会影响到谐波减速器的使用性能，还会影响到整个机械系统的安全和效率。柔性薄壁轴承相比普通的滚动轴承而言，有着特殊的工作方式和应用场合，使得其在发生故障时产生的振动信号比普通滚动轴承更加复杂，不仅有着非线性、非平稳的特性，还同时存在着强和弱两种故障冲击成分，并且弱故障冲击会混合在由于凸轮椭圆长短轴交替而所产生的正常冲击成分中，这给柔性薄壁轴承的故障诊断带来了很大的困难。针对上述问题，本文以柔性薄壁轴承为研究对象，以柔性薄壁轴承的运动学特性为研究基础，通过采集多组柔性薄壁轴承的故障振动信号进行分析，总结出了基于AFD和EEMD-HHT算法的柔性薄壁轴承故障诊断方法。论文具体的研究内容如下： 首先，分析了柔性薄壁轴承的运动学原理，推导出了柔性薄壁轴承内、外圈和滚动体的故障特征频率计算公式，详细地介绍了柔性薄壁轴承的振动检测试验台，并分别分析了通过此试验台采集到的柔性薄壁轴承内、外圈故障振动信号以及正常的轴承振动信号。 其次，针对柔性薄壁轴承的故障信号中混有的非线性低频信号，采用自适应傅里叶分解(AFD)算法对低频信号进行提取，结果表明，AFD算法能够有效地提取出信号中的低频冲击成分，较好地实现故障冲击与正常冲击的分离。 再次，详细地介绍了希尔伯特-黄变换(HHT)的基本原理，并采用EEMD算法代替EMD算法，较好地解决了模态混叠问题。通过分析柔性薄壁轴承的内、外圈故障振动信号，结果表明，采用EEMD-HHT算法求取的信号的包络谱，有着故障特征频率谱线更加突出、杂频成分更少的特点，提取效果优于HHT算法。 最后，综合了AFD算法和EEMD-HHT算法的优势，提出了一种结合AFD算法和EEMD-HHT算法的柔性薄壁轴承故障诊断方法，通过采集柔性薄壁轴承的故障试验数据进行诊断分析，在信号的Hilbert包络谱和Hilbert边际谱中均能够准确、直观地找到轴承的故障特征频率，相比较单独使用EEMD-HHT算法而言，提取效果更佳。
NETL