齿轮减速机小波动降噪与RSSD的滚动轴承故障特征

齿轮减速机滚动轴承故障振动信号呈现出非线性、非平稳性及降噪背景较强等特点，为了有效提取故障特征，提出一种小波降噪与共振稀疏分解（Resonance-based sparse signal decomposition,RSSD)相结合的振动信号特征提取技术。共振稀疏分解是基于品质因子可调小波变换与形态分量分析的一种新的信号分解方法，与常规的基于频带划分的信号分解方法不同，它依据信号各分量的震荡形态不同对信号进行分解。先通过小波值降噪方法明显减小信号中的噪声，随后对降噪后的信号进行共振稀疏分解，将信号分为不同共振特性的分量，即具有持续振荡特性的共振分量和具有瞬态冲击特性的低共振分量。后通过对分解所得到的低共振分量采用Hibert 包络解调方法提取冲击故障特征。将该方法分别应用于仿真信号和轴承实验台故障冲击性实例，验证了该方法的有效性。

  齿轮减速机滚动轴承是机械中常用的零部件之一，也是机械的易损件之一。当滚动轴承出现故障时，会引起一连串的连锁反应，导致设备性能下降甚至停机停产。目前对于滚动轴承故障诊断 比较常用的是振动检测法，从时域、频域、时频域等多个方面提取反映滚动轴承运行状态的特征指标，具有可在线、实时、非损伤、诊断便捷准确等特点。但是滚动轴承故障振动信号呈现的冲击性、非线性、非平稳性及噪声背景较强等特点，特别是早期微弱故障，采用一般的基于频带划分的信号分解方法难以有效的提取故障特征。