题目：变工况条件下滚动轴承故障诊断方法研究

滚动轴承是旋转机械设备中重要的零件，它的运行状态是否正常往往直接影响到整台机械设备的性能，如精度、可靠性、寿命等。同时滚动轴承的工作状况常常是很复杂的，如设备的启、停过程，电机电压不稳定，转子负载变化等都会引起滚动轴承转速及载荷的波动，假定恒定转速及恒定载荷条件下进行分析会降低分析的准确性甚至造成误诊。本文就变工况条件下滚动轴承的故障诊断方法进行研究，提出此种状况下有效的故障诊断方法，为变工况的故障诊断提供可能。

本论文对变工况条件下滚动轴承的故障诊断方法进行研究，重点研究变工况条件下滚动轴承的故障特征提取及故障模式识别技术，研究内容主要包括：

（1）研究了滚动轴承的结构与组成，分析了滚动轴承常见故障模式及振动机理，并对滚动轴承常见故障振动信号特征进行分析。利用仿真信号模拟滚动轴承变工况条件，分析了滚动轴承故障脉冲信号幅值及频率随工况改变的变化规律。

（2）综合传统时频分析方法，提出了希尔伯特黄变换-奇异值分解和Teager能量算子-小波包分解两种故障特征提取方法，利用实验数据验证了方法的有效性，解决了变工况条件下故障特征提取问题。

（3）结合上述故障特征提取方法，应用Elman神经网络进行模式识别和分类，通过与峰值因子-RBF神经网络故障诊断方法作对比分析，证明了此种方法对于变工况条件下滚动轴承的故障诊断的有效性。