1、分类号：THl7题l 5 2 5 0 7 8单位代码：10005学 号：$200701067密 级：公开北京工业大学硕士学位论文英文并列题 目专论文报告提交日期 2Q!Q生主且 学位授予日期授予单位名称和地址jE塞王些太堂 j匕塞直翦田匡垩丕圄!QQ量=业薹f娼独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京工业大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名： 日期：劢
2、万8关于论文使用授权的说明本人完全了解北京工业大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。(保密的论文在解密后应遵守此规定)签名： 导师签名：盎竭二日期边丝q摘 要滚动轴承是保障机械设备正常运行的关键部件，如果滚动轴承出现突发故障，就有可能导致设备停产，造成巨大的经济损失。对于滚动轴承的故障诊断，目前最常用的方法是振动检测，但在某些情况下，例如在滚动轴承的早期故障阶段、低速重载运行状态下，表征故障隐患的振动信号十分微弱，容易被低频的噪声信号所淹没，因此难以发现有用的故障信息
3、。而声发射是结构缺陷本身发出的高频应力波信号，不易受到周围低频环境噪声的影响，因此利用声发射检测技术对滚动轴承进行状态监测和故障诊断，对保障企业正常生产、工厂设备的正常运行有着重要的实际意义。本课题通过实验模拟滚动轴承故障，研究基于声发射信号的滚动轴承故障诊断技术。主要研究内容包括以下几个方面：(1)对滚动轴承声发射信号进行参数分析。利用声发射参数分析法分析几种常见故障滚动轴承的声发射信号，分析了振铃计数、能量、幅值、有效值、峭度值等典型声发射参数，比较不同故障轴承声发射参数的变化情况以及不同声发射参数对轴承故障的诊断效果。(2)对滚动轴承声发射信号进行波形分析。对几种常见故障滚动轴承声发射信
4、号进行时域波形分析、频谱分析、谐波小波时频分析、谐波小波包分析并提取滚动轴承的故障特征频率，作为滚动轴承故障诊断的依据。(3)研究基于神经网络的滚动轴承声发射信号模式识别技术。提出了基于谐波小波包和BP神经网络的声发射信号模式识别方法，通过谐波小波包提取声发射信号特征向量，结合神经网络技术对滚动轴承的故障类型进行智能诊断。关键词滚动轴承；声发射；谐波小波；神经网络；故障诊断AbstractAbstractRolling bearing is a key component to ensure the health operation of mechanicalequipmentsIf a su
5、dden failure occured on the bearing，it may cause equipmentshutdown，resulting in huge economic lossesAt present，the most commonly usedmethod for the roiling bearing fault diagnosis is vibration detection，but in some cases，such as failure in the early stage of rolling be撕ng，heavyload low-speed running
6、state，the characterization of hidden faults in the vibration signal is weak and easilyoverwhelmed by low-frequency noise signal，it is difficult to find useful informationabout the faultThe acoustic emission signal is a kind of high frequency stress wavesignal emit from structural defect，its high fre
7、quency characteristics can overwhelmnoise interference effectivelyIt is a great significance to use acoustic emissiontechnique in the rolling bearing condition monitoring and fault diagnosisThis paper simulate familiar fault of rolling bearing by experimentResearchingrolling bearing fault diagnosis
8、technique based on acoustic emission signals，the maincontents include the following sections：(1)Pararneters analysis of rolling bearing acoustic emission signalsUsingtraditional method analysis acoustic emission parameters of roiling bearings withdifferent faultAnalysing the typical acoustic emissio
9、n parameters such aS ring count，energy,amplitude，RMS value，kurtosis valueComparing the main acousticemission parameters movement of bearings，analysis the effect of different AEparameters in bearing fault diagnosis(2)Waveform analysis of rolling bearing acoustic emission signalsIncludingtime-domain w
10、aveform analysis，spectrum analysis，harmonic wavelet timefrequencyanalysis，extracting rolling beating fault characteristic frequency by harmonic waveletpacket decomposition，as the basis for roiling bearing fault diagnosis(3)Study of rolling bearing fault pattern recognition technology based on neural
11、networkPresented pattern recognition method based on harmonic wavelet packet andBP neural networkExtracting the feature vector of acoustic emission signals byharmonic wavelet packet，combine with neural network technology to realize rollerbearing fault intelligent diagnosisKey words roiling bearing；a
12、coustic emission；harmonic wavelet；neural network；fault diagnosisIIIlIIlllllllllllllllllllllllll目 录目 录摘 要IABSTRACT。II目 录III第1章绪论一111课题背景和研究意义112声发射检测技术介绍1121概：述1122声发射检测的原理及特点。2123声发射检测技术在滚动轴承故障诊断领域的研究现状313声发射信号的处理方法5131参数分析法5132波形分析法614论文的主要研究内容及章节安排8第2章滚动轴承模拟故障声发射检测实验1021滚动轴承实验台的设计1022滚动轴承故障特征频率计算1
13、023声发射信号采集系统介绍1124实验方案1225本章小结13第3章声发射信号的参数分析1431声发射信号的参数介绍14311计数14312能量14313幅值15314持续时间和上升时间15315有效值16316峭度指标1632滚动轴承声发射信号参数分析16321振铃计数分析17322能量分析1732-3幅值分析18324持续时间和上升时间分析18325有效值分析1 8326峭度值分析1933本章小结20第4章声发射信号的波形分析2l41滚动轴承声发射信号的时域频谱分析21411时域波形分析2 l412频谱分析。25III北京工业大学工学硕士论文42滚动轴承声发射信号的小波分析27421小波
14、变换介绍28422谐波小波变换29423滚动轴承声发射信号的谐波小波分析3 l43滚动轴承声发射信号的小波包分析35431小波包变换介绍35432谐波小波包变换36433滚动轴承声发射信号的谐波小波包分析3744本章小结40第5章基于神经网络的轴承声发射故障诊断技术4151神经网络概述41511神经网络的结构41512神经网络的主要特点43513神经网络的学习方法4352 BP神经网络理论44521 BP神经网络结构44522反向传播算法4553基于小波包和BP神经网络的声发射信号模式识别方法47531特征向量提取47532确定各层节点数目49533网络训练50534检验网络5l535故障识别
15、效果比较5154本章小结。54结论与展望55结论55展望55参考文献。57攻读硕士期间的成果及论文60致谢61IV第l章绪论第1章绪论11课题背景和研究意义在机械设备中，滚动轴承是应用最为广泛，同时也是最易损坏的部件之一。滚动轴承作为保障机械正常运行的关键部件，其运转状态是否良好会直接影响到整台设备性能的好坏【l】。对于关键的生产设备，滚动轴承如果出现突发故障，有可能导致工厂停产，严重影响企业的正常生产秩序，给企业和国家造成巨大的经济损失。例如，某炼钢厂转炉耳轴轴承破损，导致炼钢中断9天，造成的直接经济损失超过一千万元；2003年4月，某钢铁厂高炉炉顶布料器传动齿轮箱运转过程中出现异常噪音，布
16、料器经过多次重新启动后状态仍未好转，开箱检查发现大型回转支承轴承已被压溃，高炉被迫停产5天，直接经济损失超过三千万元；某石化厂一台压缩机推力瓦轴承损坏，造成直接经济损失达6000万元【2】。据统计，在使用滚动轴承的旋转机械中，由于轴承损坏引起的故障约占30。对滚动轴承故障检测技术的研究工作一直以来都受到人们的广泛重视。对于滚动轴承的故障检测，传统的方法大多是进行振动信号分析，但在许多情况下，特别是在故障发生的早期阶段，含有故障特征的振动信号十分微弱，容易被周围相对幅度较大的低频环境噪声信号所淹没，从而无法有效检测出故障隐患【3J。而许多重要设备，如汽轮机、飞行器发动机等，轴承的早期微弱故障就有
17、可能导致灾难性的后果。所以，寻求有效手段检测出轴承的故障类型是十分重要的。声发射是结构缺陷本身发出的高频应力波信号，与振动信号相比，声发射信号的频谱较宽，其高频特性可以避开低频振动噪声的干扰，提高诊断的准确性。另外，利用声发射可检测动态性缺陷，对被检件的接近要求不高。因此，利用声发射技术对滚动轴承故障进行预报和诊断有很大的优势。将声发射技术应用于滚动轴承的故障诊断，是当前研究的一个热点领域，对企业生产管理具有重大的实际指导意义。本课题来源于国家863计划项目“基于声磁特征的低速重载设备早期故障预示技术与系统”(2009AA042417)，“武钢设备万点受控工程的创新与扩展应用项目(460010
18、1 1200806)，北京市教委科技计划项目“低速重载轴承损伤性故障早期微弱信号特征提取技术的研究”(v1200910005007)。12声发射检测技术介绍121概述声发射是指材料中局域源因能量快速释放而产生瞬态弹性波的现象，也称为应力波发射。材料在应力作用下的变形与裂纹扩展，是结构失效的重要机制。这种直接与变形和断裂机制有关的源，被称为声发射源。声发射是一种常见的物北京工业大学工学硕士论文量曼量量量曼曼曼曼皇曼皇量曼量詈曼I I曼皇皇皇曼鼍曼曼皇曼皇烹皇曼量毫皇曼曼曼曼皇蔓鼍詈曼曼量皇璺皇量皇曼曼舅曼曼皇曼曹曼曼鼍喜毫曼理现象，各种材料声发射信号的频率范围很宽，从几赫兹到数兆赫兹。现代的声发
19、射技术的开始以Kaiser上个世纪五十年代初在德国所作的研究工作为标志。他观察到铜、锌、铝、铅、锡、黄铜、铸铁和钢等金属和合金在形变过程中都有声发射现象。他最有意义的发现是材料形变声发射的不可逆效应即：“材料被重新加载期间，在应力值达到上次加载最大应力之前不产生声发射信号。现在人们称材料的这种不可逆现象为“Kaiser效应“。经过几十年的发展，声发射检测技术取得了长足的进展。目前，声发射技术作为一种无损检测方法，已被广泛应用于石油化工、电力、航天航空、交通运输、机械制造等众多领域。声发射信号包括突发型和连续型两种。突发型声发射信号由区别于背景噪声的脉冲组成，且在时间上可以分开；把声发射信号分为
20、连续型和突发型并不是绝对的，当突发型信号的频度大时，其形式类似于连续型信号41。实际上，连续型声发射信号也是由大量小的突发型信号组成的，不过太密集而不能分辨而已。122声发射检测的原理及特点声发射检测技术是指用仪器检测、记录、分析声发射信号和利用声发射信号推断声发射源状况正常与否的技术。声发射检测的原理如图11所示，从声发射源发出的弹性波通过传输介质传播到材料表面，传感器将弹性波转换为电信号，然后再经放大、处理并被记录下来。通过对采集到的信号进行分析和处理，即可知道材料内部的缺陷情况。声发射源图1-1声发射检测原理图Figure 1-1 Schematic diagram ofacoustic
21、 emission testing与振动信号检测和其它常规无损检测方法相比，声发射检测有以下优点：(1)与振动信号相比，声发射信号的频率较高，不易受周围环境噪声的干扰，可以提高诊断的准确性；(2)声发射可检测对结构安全更为有害的活动性缺陷，在缺陷萌生和扩展过程中能实时发现，适用于过程监控以及早期预报；(3)对被测试构件的接近程度要求不高，可以在恶劣的环境下(如高低温、辐射、易燃、易爆和剧毒等)检测；第1章绪论(4)对大型构件可提供整体或局部快速检测，对构件的几何形状不敏感，适用于其它方法无法检测的复杂形状构件；(5)声发射信号来自被测试物体本身，可以得到有关缺陷的丰富信息，检测灵敏度与分辨力高
22、。表1-1声发射振动特点比较Table 1-1 Characteristics comparison ofvibration and acoustic emission声发射 振动主要频率范围 50kHz2MHz lHz5kHZ压电式加速度传感器采用传感器类型 压电式声发射传感器 电涡流位移传感器电动式速度传感器检测对象 缺陷的增长活动 缺陷的存在影响因素 与作用应力有关 与缺陷的大小、类型有关检测范围 整体监测 局部检测123声发射检测技术在滚动轴承故障诊断领域的研究现状从现代声发射技术出现到现在，几十年的时间里，科技工作者们对于声发射检测技术的研究工作从未停歇，声发射检测技术在各个领域中的
23、应用都取得了长足的进展，以下是在滚动轴承故障诊断领域比较具有代表性的研究成果：国外在声发射检测滚动轴承故障方面的研究成果有：Abdullah MAIGhamd等人对球轴承外圈故障的声发射信号和振动信号进行了研究对比，认为对于球轴承缺陷的检测和识别，声发射信号的有效值、最大幅值和峭度值等指标都要比振动信号更灵敏。作者还进一步指出声发射信号的持续时间与缺陷沿滚道方向的长度成正比，而声发射信号幅度与背景噪声的比值与缺陷的宽度(垂直滚道方向)成正比【51。Saad AIDossary等研究了球轴承内、外圈故障部位几何尺寸与声发射信号参数的关系及载荷、转速对声发射信号的影响，验证了之前得到的轴承外圈故障
24、与声发射信号关系的结论，但同时也指出尚且很难得出轴承内圈故障部位几何尺寸与声发射信号参数的相关性关系【6】。Choudhury和Tandon利用振铃计数以及振铃计数一事件、峰值一事件统计分布图两种参数分析方法，分析了变载荷、变故障尺寸、变转速条件下承受径向载荷的脂润滑圆柱滚子轴承的内圈和滚子的故障特征参数变化特点【71。CJames Li和SYLi提出利用短时信号处理技术提取轴承规格化和无量纲特征。利用这两个特征，建立线性判别函数检测轴承外圈和滚动体缺陷，实现对轴承局部缺陷的自动检测【引。MElforjani和DMb瓶过实验研究了利用声发射技术检测低速运转轴承缺北京工业大学工学硕士论文陷的方法
25、，证明利用声发射技术能够有效检测出低速运转状态下轴承中裂纹缺陷的扩展过程，并提出声发射信号能量参数在滚动轴承故障的判别中起着十分重要的作用【9J。IBashir、RBannister和DProbert通过建立理论模型模拟了直升机齿轮箱中滚动轴承部件细微裂纹扩展时发出的声发射能量，可以实时检测裂纹的扩展过程，在轴承出现表面材料剥落前检测出轴承故障【101。YoshiokaT、Korenaga等通过对声发射信号进行包络处理，并对两次超过阈值的脉冲进行积分，得到声发射事件的间隔时间，对照滚动轴承各部件的特征频率，确定故障部位【111。McFadden ED和Smith利用声发射传感器检测低速运转状态
26、下的角接触滚动轴承信号，发现在低速运转时，声发射传感器能够检测到滚动体集中载荷引起的声发射信号【12】。NJamaludin和DMba对极低转速运转(小于2rmin)滚动轴承的状态监测技术进行了研究，指出在极低转速条件下利用振动检测技术难以检测出故障隐患。提出利用声发射技术并结合自回归系数对轴承故障类型进行辨别，结果证明声发射技术对极低转速运转轴承监测的有效性【13】。JShiroishi、YLi、SLiang、TKurfess和SDallylul【对内、外圈故障滚动轴承的振动信号和声发射信号同时进行研究，提出利用高频响应技术和自适应线性增强方法处理原始信号，降低噪声干扰【141。Rogers
27、LM等将声发射技术用于港口起重机的在线监测，在低速转动轴承的裂纹定位分析中发现，当转速小于5rrain时，加速度传感器没有拾取到低频的振动信号，而在相同条件下利用声发射方法进行诊断时，采用幅度计数分布图分析法诊断出轴承故障，得到了有益的结论【15】。国内在声发射检测滚动轴承故障方面的研究成果有：李学军、廖传军和褚福磊通过连续小波基函数的构造方法，设计了一种适于声发射信号故障特征提取的小波基函数，并在对有外圈故障的滚动轴承声发射信号进行特征提取时与Daubechies小波进行了比较，结果证明所构造小波的诊断效果更加准确【161。何沿江，齐明侠和罗红梅在进行滚动轴承故障诊断时，提出了利用独立分量分
28、析(ICA)和支持向量机(SVM)相结合的方法，先对声发射信号进行自相关预处理，然后应用独立分量快速算法提取声发射信号状态特征向量，再利用支持向量机进行滚动轴承故障的识别。试验结果表明这种方法可以有效识别滚动轴承故障【1 71。沈功田，耿荣生，刘时风系统的介绍了声发射信号简化波形特征参数的定义以及分析方法，包括列表显示和分析、单参数分析、经历图分析、分布图分析和第l章绪论关联图分析等【18】。理华，徐春广，肖定国等人利用小波包对滚动轴承故障声发射信号进行基于特征频率的滤波，解决了由噪声引起的滚动轴承故障误判的问题，为下一步的信号特征提取打下了基础91。赵美云，李力，陈保家利用小波分析及重构技术
29、消除声发射信号的背景噪声，然后利用小波包络谱分析方法识别滚动轴承故障。试验结果证明，小波包络谱分析可以有效的检测出滚动轴承故障【20J。清华大学的张新明对滚动轴承点蚀故障的声发射诊断方法进行了详细研究。对不同工况下滚动轴承声发射的特征进行了分析。针对连续小波变换的尺度和基小波波形参数选择，提出基于遗传算法的优化选取方法，有效提高了Morlet连续小波尺度谱对滚动轴承声发射信号分析的时频性能，并结合希尔伯特谱分析，详细的分析了滚动轴承声发射的时频特性【2l】。郝如江，卢文秀，褚福磊将形态滤波方法应用于滚动轴承声发射信号的处理，提出采用多尺度形态开闭和闭开组合的滤波器对信号进行降噪处理，并对比振动
30、信号和声发射信号的处理效果。研究表明，形态滤波用于轴承故障声发射信号特征提取效果明显，适用于轴承的状态监测和故障的早期诊断【221。聂志军，高立新，胥永刚等介绍了当前振动检测在低速重载设备检测中存在的问题，提出利用声发射技术检测低速重载滚动轴承故障，并采用小波分解与重构的方法进行消噪【231。李风英，沈玉娣，熊军在检测滚动轴承故障时，将声发射信号与振动信号作对比，通过高通滤波后再进行包络解调，结果表明声发射信号能够更加快速准确的判断出轴承的故障类型【241。13声发射信号的处理方法目前处理声发射信号的方法可分为两大类。一种是以多个简化的波形特征参数来表示声发射信号的特征，然后对这些波形特征参数
31、进行分析和处理；另一种是存储和记录声发射信号的波形，对波形进行分析【4】。131参数分析法参数分析法是应用最广泛的声发射信号分析方法。常用的声发射参数有事件计数、振铃计数、撞击计数、幅值、能量、有效值、上升时间和持续时间等。参数分析方法对仪器硬件的要求较低，应用起来简单直观、易于掌握，因而受到人们的青睐并得到广泛应用。1962年，美国航空通用公司用声发射信号的能量、幅值、频率等参数成功检测北极星导弹的火箭发动机玻璃钢壳体在加压试验时裂纹的发生、发展情况，这是声发射技术成功应用于现场的第一个例子41。JuhaMiettinen和Peter Andersson研究了声发射信号在脂润滑滚动轴承润滑状
32、态监测中北京工业大学工学硕士论文的应用，利用声发射事件计数判断轴承润滑脂的污染状况【25】。DMb斫0用声发射信号检测低速旋转污水处理设备的早期故障，指出幅度参数可以作为低速旋转设备故障诊断的有效依据【26J。Pfine DwN用声发射信号判断焊接过程中缺陷的严重性，并用金相方法测量几种钢和结构材料裂纹的尺寸，发现声发射参数(总计数)与裂纹大小之间存在着密切的关系【271。耿荣生等在飞机主梁疲劳试验中，利用声发射信号参数(撞击计数、振铃计数、事件计数、能量、上升时间等)成功的检测到主梁螺孔疲劳裂纹【28】。吴占稳，沈功田等通过实验研究起重机箱形梁结构表面裂纹扩展的声发射特性，指出声发射信号参数
33、变化与裂纹扩展的关系【29】。参数分析法在声发射检测中有着重要的地位，经过了多年的研究应用，取得了一定进展，但仍存在一些不足之处，例如：一些声发射参数(如振铃计数)与阈值的设定有关，但是阈值的选择依赖于人的经验；尽管每一个声发射参数都能提供与声发射源特征相关的信息，但是研究者对参数的取舍存在较大的随意性，难以形成一个统一的评价标准；声发射检测的对象不同，设定参数不同，得到的评价结果也不同；声发射参数只是对声发射信号某个特征的描述，用其表征整个声发射源的特征有其局限性。132波形分析法波形分析法是指通过分析声发射信号的时域波形、频谱特征、相关函数等来获取声发射信号所含信息的一种信号处理方法。理论
34、上讲，波形分析应当能给出任何所需的信息，因而波形也是表达声发射源特征的最精确的方法。早在声发射技术发展初期，人们就对波形和频谱分析进行了大量研究并取得了一些成就。然而由于声发射传感器技术和仪器硬件技术的限制，早期的声发射仪器很少能对声发射信号进行瞬态波形捕捉和实时处理，因此，波形分析法并未得到广泛应用。近些年来，随着测试仪器及计算机技术的飞速发展，声发射信号采集和处理的能力得到了大幅度的提高，基于波形分析的声发射技术也取得了长足的进展【2。1321频谱分析频谱分析法是通过傅立叶变换把声发射信号从时域转换到频域，在频域中研究声发射信号的各种特征，找到识别声发射源的特征信息。因为从理论上讲，不同的
35、声发射源发出的信号都含有反映其本质特征的信息。频谱分析就是要针对在时域信号不能发现的信息，以期在频域中得到反映。频谱分析技术以其相对简单及实用性被广泛的应用于声发射信号的研究领域并作为重要的辅助分析手段。Kaiser最早分析了声发射信号的频谱，他观察到试件在加载过程中声发射信号频谱范围随着载荷增加出现变化的情况【30】。陈玉华、刘时风、耿荣生和沈功田介绍了谱分析方法和相关分析方法在声发射信号分析中的应用，给出了谱分析和相关分析的基本原理【3lJ。第l章绪论1322小波分析小波分析是一种多分辨率信号分析方法，自上个世纪八十年代提出至今取得了迅速的发展。它通过伸缩平移运算对信号逐步进行多尺度细化，
36、最终达到高频段时间细分，低频段频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了傅立叶变换的难题。小波变换具有同时在时域和频域表征信号局部特征的能力，既能够刻划某个局部时间段信号的频谱信息，又可以描述某一频谱信息对应的时域信息。小波分析已在信号与图像处理、语音合成、计算机视觉、数据压缩、地震勘探、大型机械的故障诊断等领域得到了广泛的应用。姜长泓、王龙山等将平移不变小波方法用于声发射信号的去噪处理，提取声发射信号的特征信息【32】。龚仁荣、顾建祖等研究Gabor小波时频方法分析声发射信号，并用于区分声发射信号的传播模式和不同的信号组成，得到声发射波群的准确到达时间，从而提
37、高时差定位的精度【331。1323人工神经网络人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统。自上世纪八十年代初人工神经网络的再次兴起，人工神经网络技术的研究工作取得了很大的进展并已被应用到自动控制、模式识别、图像处理、机器人等众多领域。1989年，Grabe和Sachse首次将人工神经网络技术应用于声发射信号的分析和处理。近年来，人们对声发射信号的神经网络模式识别技术进行大量的分析研究，期望能够利用人工神经网络对含有故障模式的声发射信号进行有效的模式识别。JianDa Wu和ChiuHong Liu在研究利用声发射技术进行内燃机故障诊断时，采用了小波包变换和人工神经网络技术，实验结
38、果表明该方法对内燃机故障诊断有着极高的准确掣341。JianDa Wu和Jian-Ji Chan利用实验研究了旋转设备齿轮故障的模式识别技术，通过连续小波变换提取实验设备声发射信号特征，再利用神经网络进行模式识别，并在实验中比较了概率神经网络和BP神经网络的识别能力【35】。李冬生、黄新民和欧进萍通过增加隐层神经元的个数、运用附加动量法和优化选取初始阈值等措施改进神经网络，并将其用于声发射源的定位【36】。波形分析具有很多优点，例如对异常的声发射信号易于识别和区分，有着更好的去噪能力和对声发射源更精确的定位能力以及对源方位更好的识别能力【41。但波形分析也存在一些不足之处：首先是不同的声发射源
39、所产生的声波性质不同，要对声发射信号波形进行分析，就要弄清不同的声发射源究竟产生什么性质的声波，但这并非易事：其次，声发射源发出的声波要经过传输介质到达传感器所在位置，声波在介质中的传播特性如何，传播过程中发生了什么样的波型转换，这也是一个需要解决的问题。另外，传感器本身的影响也必须考虑，为了不让所采集到的波形产生畸变，传感器必须具有很宽的频率响应范围【371。北京工业大学工学硕士论文表12中将目前国内外在滚动轴承声发射信号故障诊断领域里的部分研究成果与本文的研究方法进行了比较。可以看出，目前对滚动轴承声发射检测技术的研究主要还是基于实验台数据。表12滚动轴承声发射研究方法比较Table 1-
40、2 Comparison of rolling bearing AE research methods发表 作者 单位 检测对 工作转速(或时间 象设备 特征频率) 故障类型 处理方法Department ofNJamaludi Mechanical 轴承试2002 2rmin 轴承点蚀 自回归系数n，DMba and Matedal 验台EngineeringSaad Consulting 轴承试 1 500rmin， 轴承内外2008 Services， 参数法AI-Dossary 验台 3000rmin 圈故障SaudiAraITICOMElforjani Cranfield 轴承试 时
41、域指标能2009 72rpm 轴承裂纹，DMbaUniversity 验台 量参数法，基于遗传算法的轴承试 优化选取方2006 张新明 清华大学 477Hz 轴承点蚀 法，Modet验台连续小波尺度谱、希尔伯特谱分析赵美云，李 轴承试 轴承表面 小波包络谱2008 三峡大学3000rrain力，陈保家 验台 剥落 分析何沿江，齐 中国石油大 轴承试1 0rmin-“ 轴承点蚀、独立分量分2008 明侠，罗红 析结合支持梅 学 验台 1 500rmin 裂纹 向量机郝如江，卢 轴承试2008 文秀，褚福 清华大学 验台 236Hz 轴承点蚀 形态滤波磊李学军。廖 湖南科技大 轴承试 轴承外圈20
42、08 传军，褚福 学 验台 6836Hz 小波分析磊 损伤参数法、时域频谱分析、谐北京工业大 轴承试 轴承点蚀、 波小波时频2010 赵元喜 1496rmin学 验台 裂纹 分析、谐波小波包分析，神经网络14论文的主要研究内容及章节安排本课题主要研究声发射检测技术在滚动轴承故障诊断中的应用，研究声发射8第1苹绪论信号的处理方法以及基于声发射信号的滚动轴承故障智能诊断方法。第一章主要阐述了本课题的背景和研究意义，对声发射检测的原理以及声发射检测技术在滚动轴承故障诊断领域中的研究现状做了简要说明，介绍了声发射信号的几种主要的处理方法。第二章对实验设备及实验方案进行了介绍，实验设备包括用于模拟滚动轴
43、承故障的实验台和声发射信号采集系统，并且计算了滚动轴承的故障特征频率。第三章对采集到的声发射信号进行参数分析，利用声发射参数分析法分析几种常见故障滚动轴承的声发射信号，分析了振铃计数、能量、幅值、有效值、峭度值等典型声发射参数，比较不同故障轴承声发射参数的变化情况以及不同声发射参数对轴承故障的诊断效果。 ?第四章对采集到的声发射信号进行波形分析，对几种常见故障滚动轴承声发射信号进行时域波形分析、频谱分析、谐波小波时频分析、谐波小波包分析并提取滚动轴承的故障特征频率，作为滚动轴承故障诊断的依据。第五章主要研究了基于谐波小波包和神经网络的滚动轴承声发射信号模式识别技术，利用谐波小波包提取声发射信号特征向量结合BP神经网络技术实现对滚动轴承故障的智能诊断。最后是对研究课题的总结和对未来研究工作的展望。本文的主要研究框架如图12所示。滚动轴承典型故障仿真实验声发射信号的参数分析声发射信号的波形分析时域波形分析频谱分析谐波小波时频分析谐波小波包分析基于谐波小波包和BP神经网络的声发射信号模式识别方法图l-2本文的主要研究框架Figure 1-2 The main research framework北京丁业大学工学硕士论文第2章滚动轴承模拟故障声发射检测实验21滚动轴承实验台的设计滚动轴承实验台的布置简图如图21
