多小波又称向量小波,是在传统小波分析的基础上发展起来的一种新的小波构造理论。它是由多个小波基函数张成的函数空间,能够同时具备对称性、正交性、紧支撑性和高阶消失矩等特性,因而在模式识别、信号除噪方面比单小波分析更具优势。本文将多小波分析引入滚动轴承的故障诊断,研究内容如下:(1)为了使一维振动信号与多小波的r维空间相匹配,本文首先围绕信号的预处理方法展开讨论。以GHM多小波和CL多小波为研究对象,以信号重构误差和低频平均能量比为评价标准,分别针对仿真信号和实测振动信号,确立了最佳的多小波函数及相应的预处理方法。(2)基于GHM多小波及系数重复行的预处理方式,研究了故障信号的降噪算法。为了避免阈值选择对降噪效果的干扰,本文分别将自适应阈值和奇异值分解技术与多小波分析相结合。通过轴承故障的仿真信号、实验信号以及工程数据的分析验证,表明多小波的降噪效果明显优于单一小波,而且更易于识别滚动轴承的早期故障特征。(3)为了充分利用多小波分解后的各子带信息,本文研究了基于多小波包的故障诊断方法。以Shannon熵为代价函数,完成了对多小波包最优基的搜索和识别。在此基础上,将其与自适应阈值和奇异值分解的降噪方法相结合,利用不同故障模式(改变点蚀大小)下的轴承振动信号验证了降噪方法的有效性。(4)针对正常轴承以及0.5-5mm的内、外圈点蚀共9类分析模式,构造了故障程度识别因子。其中,以多小波包分解和谱峭度分析作为特征提取的主要方法,进而结合特征系数的复杂度计算,完成了9种状态的模式识别,从中可以发现内、外圈故障不同的演变趋势。(5)基于理论研究,利用LabVIEW与Matlab联合开发了一套融合多小波分析方法的故障监测与诊断系统,通过6307滚动轴承的模拟故障实验,验证了该系统的实用性及可靠性。