PCA和自相关包络分析在转盘轴承故障诊断中的应用

杨杰，陈捷，洪荣晶，封杨

(南京工业大学 机械与动力工程学院，南京 210009)

转盘轴承作为大型旋转机械的一种关键部件，广泛应用于风力发电、工程机械、港口机械、海洋平台和军用装备等领域[1]。转盘轴承不同于普通轴承，能同时承受轴向力、径向力和倾覆力矩。由于其使用寿命具有较大的离散性，若定期更换可能会得不到充分利用，造成浪费；若定期检修，则可能在检修前已经发生故障。转盘轴承的低速重载特性导致其振动信号较微弱，因此，进行状态监测和故障诊断具有较大难度。

在许多机械故障监测或诊断过程中只需判断设备的工作状态，诊断出故障再进一步分析处理。前期的机械故障监测可看作机械设备正常和异常状态的分类问题，目前国内外学者对轴承状态实时监测和早期故障诊断方法已进行了大量研究。文献[2]提出了大型转盘轴承的信号处理方法。文献[3]有针对性地概括了基于振动信号、温度信号、摩擦力矩、声发射和应力波的转盘轴承监测诊断技术，并对比分析了上述信号处理方法。文献[4]综合了转盘轴承的温度、摩擦力矩及加速度信号的曲线发展趋势对轴承进行故障诊断。文献[5]采用主元分析(Principal Component Analysis ，PCA)对火电厂送粉风机轴承进行故障监测和诊断。文献[6]采用PCA对轴承故障状态进行监测。文献[7]提出了一种总体经验模式分解(Ensemble Empirical Mode Decomposition，EEMD)和PCA相结合的多元多尺度转盘轴承故障诊断方法。文献[8]提出了一种小波分析方法，再结合PCA算法监测故障过程。……