胡景松,樊 军,马 冉
(新疆大学机械工程学院,新疆 乌鲁木齐 830049)
石油是国家发展命脉,扭力冲击钻在石油开采中起着重要的作用,而滚动轴承是扭力冲击钻中的易损件,如何对轴承的状态进行故障的监测和诊断保障安全生产,具有重要的意义。目前滚动轴承故障的诊断识别有两种方式:图像识别和数据识别。在图像识别方面,如文献[1-3]运用小波包络解调分析方法与现有方法结合或改进进行轴承的故障诊断;文献[4]为实现滚动轴承故障特征分析,提出了一种基于小波包变换结合随机森林的滚动轴承故障检测分析模型;小波变换凭借自身优势在很多领域中都得到了良好的应用,主要体现在聚焦能力更强,并且计算得出的参数数据有更高的精确度,识别成功率较高。图像识别在一定程度上运用人的肉眼识别,误差较大。在数字识别方面,如文献[5]提出了用最大相关峭度解卷积(MCKD)和变分模态分解(VMD)相结合的方法提取滚动轴承故障特征;文献[6]在研究中提出新的故障诊断法,这种方法的好处就是在于能够在集成经验模式分解的基础上,对样本熵值的变化情况展开判断分析,使得故障检测准确率得到提升;文献[7]在研究中,通过构建参数组合,在此基础上进行搜索,并对参数进行分解处理,达到判断故障信号的目的,并对故障类型进行识别;文献[8]提出了基于经验模态分解(EMD)的信号处理方法和新的趋势项判定方法,与小波变换方法及一种定性的EMD 趋势项判定方法进行了比较,结果表明其方法具有更大的优越性。……