發(fā)布時間：2018-06-18 09:09

  本文選題：自相關分析 + 變分模態(tài)分解�。� 參考：《電子測量與儀器學報》2017年09期

【摘要】：滾動軸承故障信號多呈現(xiàn)非平穩(wěn)、多分量調制特性,早期故障信號調制特性微弱、易受周圍設備噪聲干擾,導致軸承早期故障特征淹沒在噪聲信號中,故障特征難以提取。為此,提出一種變分模態(tài)分解(variational mode decomposition,VMD)與自相關分析相結合的軸承故障特征提取方法。首先利用自相關分析消除故障信號中噪聲干擾,提取周期成分;然后再用VMD算法將消噪信號分解成若干本征模態(tài)分量(intrinsic mode function,IMF),運用能量算子對相關系數(shù)及峭度值較大分量進行解調分析;最后通過能量解調譜來判別滾動軸承故障類型。將該方法應用到滾動軸承仿真故障數(shù)據(jù)和實測數(shù)據(jù)中,結果表明,該方法可降低了噪聲的干擾,有效提取故障特征頻率,能夠實現(xiàn)滾動軸承故障的精確診斷。
[Abstract]:The fault signals of rolling bearings show non-stationary and multi-component modulation characteristics, and the modulation characteristics of early fault signals are weak, which are easily disturbed by the noise of the surrounding equipment, resulting in the early fault features of bearings being submerged in the noise signals, and the fault features are difficult to extract. In this paper, a method of bearing fault feature extraction based on variable-mode decomposition (VMD) and autocorrelation analysis is proposed. First, the autocorrelation analysis is used to eliminate the noise interference in the fault signal, and the periodic component is extracted. Then the de-noising signal is decomposed into several intrinsic mode function IMFGs by using VMD algorithm, and the correlation coefficient and large kurtosis component are demodulated by energy operator. Finally, the fault types of rolling bearing are identified by energy demodulation spectrum. The method is applied to the rolling bearing simulation fault data and the measured data. The results show that the method can reduce the noise interference, extract the fault characteristic frequency effectively, and realize the accurate diagnosis of rolling bearing fault.
【作者單位】： 石家莊鐵道大學電氣與電子工程學院;
【基金】：國家自然科學基金(U1534204,11372199,11572206) 河北省然科學基金(A2014210142)資助項目
【分類號】：TH133.33

【相似文獻】

相關期刊論文 前10條

1 王延松，，李樹才，蔣鈺潔;滾動軸承故障的快速診斷[J];林業(yè)機械與木工設備;1996年03期

2 張益純,劉振娟;滾動軸承故障分析探討[J];內燃機配件;2000年03期

3 秦愷,陳進,姜鳴,陳春梅;一種滾動軸承故障特征提取的新方法——譜相關密度[J];振動與沖擊;2001年01期

4 鄧長春;;聲發(fā)射法在滾動軸承故障識別中的應用[J];試驗技術與試驗機;2002年Z2期

5 任昭蓉;滾動軸承故障的小波診斷法[J];機械制造與自動化;2004年06期

6 陸爽,田野;滾動軸承故障特征識別的時頻分析研究[J];機床與液壓;2005年06期

7 江涌;基于余弦調頻小波變換的滾動軸承故障研究[J];機械設計與制造;2005年06期

8 程光友;;時域指標在滾動軸承故障診斷中的應用[J];中國設備工程;2005年12期

9 陳洪軍;趙新澤;王延軍;;滾動軸承故障試驗臺的理論建模分析[J];四川理工學院學報(自然科學版);2005年04期

10 李崇晟;滾動軸承故障的非線性診斷方法[J];軸承;2005年05期

相關會議論文 前10條

1 張益純;;常見滾動軸承故障診斷的技術探討[A];第十屆全國設備監(jiān)測與診斷技術學術會議論文集[C];2000年

2 楊積忠;左立建;;滾動軸承故障診斷實例[A];設備監(jiān)測與診斷技術及其應用——第十二屆全國設備監(jiān)測與診斷學術會議論文集[C];2005年

3 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應用研究[A];第九屆全國振動理論及應用學術會議論文摘要集[C];2007年

4 李放寧;;峰值能量在滾動軸承故障診斷中的應用[A];第十屆全國設備監(jiān)測與診斷技術學術會議論文集[C];2000年

5 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應用研究[A];第九屆全國振動理論及應用學術會議論文集[C];2007年

6 張九軍;;常見滾動軸承故障的簡易診斷[A];2008年全國煉鐵生產(chǎn)技術會議暨煉鐵年會文集（上冊）[C];2008年

7 李興林;;滾動軸承故障診斷技術現(xiàn)狀及發(fā)展[A];2009年全國青年摩擦學學術會議論文集[C];2009年

8 唐海峰;陳進;董廣明;;信號稀疏分解方法在滾動軸承故障診斷中的應用[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

9 高耀智;;高階統(tǒng)計量與小波分析相結合在滾動軸承故障診斷中的應用[A];2009年全國青年摩擦學學術會議論文集[C];2009年

10 和衛(wèi)星;陳曉平;馬東玲;;基于混沌時間序列的滾動軸承故障局部預測[A];2009中國儀器儀表與測控技術大會論文集[C];2009年

相關博士學位論文 前10條

1 廖強;約束獨立分量和多小波分析在滾動軸承故障診斷中的應用[D];電子科技大學;2016年

2 曾鳴;基于凸包的模式識別方法及其在滾動軸承故障診斷中的應用[D];湖南大學;2016年

3 王聰;基于稀疏表達的機械信號處理方法及其在滾動軸承故障診新中的應用研究[D];中國科學技術大學;2017年

4 于江林;滾動軸承故障的非接觸聲學檢測信號特性及重構技術研究[D];大慶石油學院;2009年

5 楊柳松;基于小波分析與神經(jīng)網(wǎng)絡滾動軸承故障診斷方法的研究[D];東北林業(yè)大學;2013年

6 從飛云;基于滑移向量序列奇異值分解的滾動軸承故障診斷研究[D];上海交通大學;2012年

7 趙協(xié)廣;基于小波變換和經(jīng)驗模態(tài)分解的滾動軸承故障診斷方法研究[D];山東科技大學;2009年

8 侯者非;強噪聲背景下滾動軸承故障診斷的關鍵技術研究[D];武漢理工大學;2010年

9 郭艷平;面向風力發(fā)電機組齒輪箱滾動軸承故障診斷的理論與方法研究[D];浙江大學;2012年

10 Ao Hung Linh（池雄嶺）;基于化學反應優(yōu)化算法和支持向量機的滾動軸承故障診斷方法研究[D];湖南大學;2014年

相關碩士學位論文 前10條

1 李男;基于LMD樣本熵和貝葉斯網(wǎng)絡的滾動軸承故障診斷方法[D];燕山大學;2015年

2 李玉奎;基于非平穩(wěn)信號分析的滾動軸承故障診斷研究[D];燕山大學;2015年

3 卜勇霞;基于時頻分析方法的滾動軸承故障診斷研究[D];昆明理工大學;2015年

4 馬寶;基于KICA和LSSVM的滾動軸承故障監(jiān)測及診斷方法[D];昆明理工大學;2015年

5 王天一;基于正交小波優(yōu)化閾值降噪方法的滾動軸承故障診斷研究[D];哈爾濱工業(yè)大學;2015年

6 宋耀文;基于振動信號分析的滾動軸承故障特征提取與診斷研究[D];中國礦業(yè)大學;2015年

7 韓一村;基于多傳感器的滾動軸承故障檢測研究[D];河南科技大學;2015年

8 王秀娟;基于LMD的譜峭度算法在滾動軸承故障診斷中的應用研究[D];電子科技大學;2014年

9 段永強;局部均值分解法在滾動軸承故障自動診斷中的應用研究[D];電子科技大學;2015年

10 黃宏臣;基于流形學習算法的滾動軸承故障識別研究[D];太原理工大學;2014年

本文編號：2034953