本文關鍵詞： TT變換 計算階比跟蹤 奇異值分解 滾動軸承 變轉(zhuǎn)速 故障診斷　出處：《中國電機工程學報》2017年20期 　論文類型：期刊論文

【摘要】：為解決變轉(zhuǎn)速工況滾動軸承微弱故障特征難以提取的問題,提出了時時(time-time,TT)變換結(jié)合計算階比跟蹤(computed order tracking,COT)的滾動軸承時變微弱故障特征提取方法。首先對變轉(zhuǎn)速狀態(tài)的軸承微弱故障信號進行時時變換,得到反映故障信號二維時時特征的TT變換矩陣。為消除TT變換矩陣的冗余性,提出了基于峭度準則的奇異值分解(singular value decomposition,SVD)方法對TT變換矩陣降噪。然后對降噪后的TT變換矩陣實施TT反變換,獲取滾動軸承時變故障特征增強信號。最后對增強信號進行COT分析得到其包絡階比譜,從而提取滾動軸承的故障特征階次。對仿真信號和實驗測試信號進行分析驗證,均實現(xiàn)了滾動軸承變轉(zhuǎn)速工況故障類型的精確識別,分析效果優(yōu)于包絡階比譜方法,證明了該方法的有效性。
[Abstract]:In order to solve the problem that it is difficult to extract the weak fault features of rolling bearings under variable speed conditions, A method of extracting time-varying weak fault feature of rolling bearing based on time-time TTT transform combined with computed order tracking method is proposed. Firstly, the weak fault signal of bearing in variable speed state is transformed from time to time. In order to eliminate the redundancy of the TT transform matrix, a TT transform matrix reflecting the two-dimensional characteristics of the fault signal is obtained. A singular value decomposition (SVD) method based on kurtosis criterion is proposed to reduce the noise of TT transform matrix. Finally, the envelope order spectrum of the enhanced signal is obtained by COT analysis, and the fault feature order of the rolling bearing is extracted. The simulation signal and the experimental test signal are analyzed and verified. The fault types of rolling bearings under variable speed conditions are accurately identified. The analysis results are superior to the envelope order ratio spectrum method, and the effectiveness of this method is proved.
【作者單位】： 華北電力大學能源動力與機械工程學院;
【基金】：國家自然科學基金項目(51307058,51475164) 河北省自然科學基金項目(E2014502052) 中央高�；究蒲袠I(yè)務費專項資金資助項目(2017XS134)~~
【分類號】：TH133.33

【相似文獻】

相關期刊論文 前4條

1 張錢珍;程世長;劉正東;劉榮佩;傅萬堂;;Inconel 690合金TT處理后的析出相[J];鋼鐵研究學報;2009年06期

2 陳岳東，，屈梁生;回轉(zhuǎn)機械的故障特征提取與分類[J];機械工程學報;1994年S1期

3 李兆飛;柴毅;李華鋒;;多重分形的振動信號故障特征提取方法[J];數(shù)據(jù)采集與處理;2013年01期

4 韓立靜;徐金梧;陽建宏;黎敏;;基于灰度擊中擊不中變換的故障特征提取方法[J];北京科技大學學報;2012年07期

相關博士學位論文 前3條

1 李永波;滾動軸承故障特征提取與早期診斷方法研究[D];哈爾濱工業(yè)大學;2017年

2 程發(fā)斌;面向機械故障特征提取的混合時頻分析方法研究[D];重慶大學;2007年

3 馮坤;基于內(nèi)積變換的機械故障特征提取原理與早期識別方法研究[D];北京化工大學;2012年

相關碩士學位論文 前6條

1 馬艷麗;基于全矢MEMD的滾動軸承狀態(tài)退化研究[D];鄭州大學;2017年

2 金兵;基于信息融合與VPMCD的滾動軸承智能診斷研究[D];鄭州大學;2017年

3 薄瑞瑞;基于LMD的振動信號處理及故障特征提取研究[D];內(nèi)蒙古大學;2015年

4 屈紅偉;基于LMD的故障特征提取方法及動平衡技術研究[D];北京化工大學;2015年

5 李嶺陽;基于非線性分析的故障特征提取及識別方法研究[D];北京化工大學;2016年

6 沈金理;機械裝備連接松動故障特征提取方法的研究[D];東華大學;2013年

本文編號：1502866