全文总字数：7162字

摘要：滚动轴承是一种使用在旋转机械设备中，并且最为常见的零部件，担负着极其重要的角色，但与此同时，其故障发生的频率也较高。滚动轴承的健康状况影响着整个机械系统的工作状态，当滚动轴承存在故障时，不仅会影响到设备的正常使用，还会使得企业正常的生产过程难以实现，如若故障发现不及时，严重情况下还能引发生产事故，导致广大人民群众巨大的财物及人身损失。因而，滚动轴承故障诊断的研究有着非常重要的意义。振动是轴承运行时不可避免的现象，当其内、外圈以及滚动体上产生故障时，其振动往往更为强烈，将会出现周期性的冲击信号，从而导致调制信号的产生，不同的故障呈现不同的故障频率。因此该领域当前的研究重点之一是如何有效地获取故障信号特征。 轴承实际工作过程中，由于随机噪声、振动传递路径等因素的影响， 产生的振动信号是非线性的，导致传统的傅氏变换、小波变换等线性方法难以准确提取出故障信号的特征。针对此问题，提出了改进形态学进行滤波处理，首先，通过改进形态学滤波对信号进行降噪处理从而得出精确的特征值，然后进一步采用全局及局部流形学习算法对滤波降噪后的数据提取特征值并进行故障分类。

关键词：滚动轴承，故障诊断，形态滤波

1.引言

当代工业生产中的设备正向着自动化程度更高、大型化设备更多、设备精度更加精密、运行速度高速化以及结构复杂化的趋势迅猛发展，尤其在石油化工、电力等行业，设备的投资越来越大，连续作业时间长，设备由于故障停机将会造成重大经济损失。对设备故障的预警与诊断工作在现代生产中发挥的作用愈来愈重要，20世纪60年代以后，对设备的运行状况进行监测以及对其可能发生的故障所进行的诊断作为一个重要学科，迅速发展起来。对机械设备的状态监测与故障诊断从机器诞生之日就已产生，其先进性是保障机械装备高效、正常运转的前提条件，同时也是确保我国经济社会稳定、高速进展的重要技术手段。近一二十来国内在设备的故障诊断识别方面做了很多具有深远意义的工作，研究开发异常活跃，机械故障诊断理论与技术方法的不断完善使得其在实际工程应用中得到不断发展，将其使用在企业中常常都会产生出人意料的经济效果。现如今，设备诊断技术在工厂企业中已经得到了一定普及和应用。随着社会生产的不断发展和科学技术突飞猛进式的创新，以及人工智能、计算机科学、信号处理科学等相关学科的迅猛发展及新成果的不断涌现，对于设备的故障诊断技术的要求也不断的提高，使得其相关理论以及工程技术处于高速进步之中心。滚动轴承在机械装备中随处可见而又具有举足轻重作用零部件之一，其运行状况是否正常对整个机组设备的运转状况有着重大影响。同时，由于其大多数情况都处在恶劣的工作环境中，使其也是最易损坏的零件之一。此外，滚动轴承寿命具有较大离散性，在实际中，可能出现有的滚动轴承在达到设计使用寿命之前就发生故障，而有的超过设计寿命后却依旧可以正常使用的情况。传统的定期维修方式是根据经验确定维修周期，具有主观性和经验性，容易出现非检修期出现故障而检修期故障未出现的情形，使得修理成本与修理水平不成比例，并且会造成企业生产中断。

因此，对滚动轴承的运行状态进行检测和诊断，能较大程度的发现设备中的问题， 提前做好维修和预防措施，避免由于机械设备重大损坏造成事故和利益的损失，减少修理费用。同时，能合理安排生产，提高生产率，发挥设备的利用率和效率，促进企业经济的发展，具有极大的经济意义。

1. 国内外研究现状

2.1数学形态学滤波

基本的数学形态学算子包括膨胀、腐蚀、开运算、闭运算和它们的组合形式。

假设原始振动信号 ，定义在，所选结构元素，定义 在 G = ( m = 0，1，hellip;，M-1) ，其中