1. 研究目的与意义（文献综述）

1.1 研究目的及意义

轴承是机械设备中一类极为重要的零部件，现代机械设备（如电机等）的生产大多离不开轴承的配合。轴承可以有效承担径向载荷，支撑机械中的旋转部位，降低其运动过程中的摩擦系数，同时保证一定的回转精度。

但轴承作为一类具有重要功能的精密零部件，也有着易于损坏的特点。在工业生产制造中，由于轴承发挥了不可替代的作用，因而一旦轴承出现故障，无论故障发生的部位及故障程度，都会对机械生产造成十分严重的影响。根据王奉涛和苏文胜所著《滚动轴承故障诊断与寿命预测》一书中的引用的统计结果，有大约21%的机械故障是由轴承损坏引起，由其引发的直接或间接损失十分惊人，尤其在一些军工产业，高精密产业及大型设备制造产业，对机械零部件的损坏更为敏感。因此，对轴承运行状态的实时监测，以及对轴承故障的诊断就显得十分必要。在故障发生的早期就精确诊断确认故障发生的部位及损伤程度，可以在很大程度上减少各方面的损失。

2. 研究的基本内容与方案

2.1 研究的基本内容

本设计拟采用变分模态分解（vmd），结合排列熵与相关向量机（rvm）来进行滚动轴承的故障诊断工作。

使用vmd方法避免传统emd、小波变换等方法存在的诸如端点效应和虚假分量问题。利用排列熵来定量确定vmd分解后信号的含噪程度，对故障信号特征进行有效提取后完成模式识别，借助相关向量机的训练，学习及试验，对实验样本的故障特征进行有效区分，从而达到准确的诊断结果。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

第6－9周：编程实现各算法，并进行仿真调试。

4. 参考文献（12篇以上）

[1] 赵志宏,杨绍普. 一种基于样本熵的轴承故障诊断方法[j]. 振动与冲击, 2012,31(6):136-140.

[2] 苏文胜, 王奉涛, 等. 基于小波包样本熵的滚动轴承故障特征提取方法[j]. 振动、测试与诊断, 2011,31(2):162-166.

[3] 张淑清, 胡永涛, 李盼,等. 基于memd互近似熵及fcm聚类的轴承故障诊断方法[j]. 中国机械工程, 2015,26(19):2163-2168.