提出一種改進(jìn)變分模態(tài)分解的軸承故障信號(hào)診斷方法。使用改進(jìn)的奇異值分解降噪方法對(duì)信號(hào)進(jìn)行降噪,然后對(duì)信號(hào)進(jìn)行變分模態(tài)分解;利用分量信號(hào)的能量之和占原信號(hào)能量的比值,判斷變分模態(tài)分解的分解效果,從而找出最佳分解層數(shù);根據(jù)分量信號(hào)間的相關(guān)系數(shù),判斷中心頻率相鄰的分量信號(hào)是否來自信號(hào)中的同一調(diào)制部分;最后通過主要分量的包絡(luò)譜找出故障特征頻率,判斷故障類型。通過對(duì)仿真信號(hào)和實(shí)際軸承故障信號(hào)進(jìn)行處理,成功提取微弱頻率特征信息,驗(yàn)證了該方法的有效性。 

【文章來源】：計(jì)量學(xué)報(bào). 2020,41(06)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

故障診斷實(shí)驗(yàn)平臺(tái)

對(duì)該信號(hào)使用文中方法進(jìn)行處理，首先使用SVD降噪，選取前311個(gè)奇異值重構(gòu)信號(hào)，然后根據(jù)能量占比，確定分解層數(shù)K=6，包含能量最多的3個(gè)分量的包絡(luò)譜如圖9。滾動(dòng)軸承內(nèi)圈旋轉(zhuǎn)頻率為20 Hz，經(jīng)計(jì)算得知滾動(dòng)軸承內(nèi)圈故障特征頻率為60.96 Hz。在圖9(c)分量的包絡(luò)譜中，60.6 Hz處有明顯的峰值，即為故障信號(hào)的特征頻率。圖7 EMD方法下內(nèi)圈故障數(shù)據(jù)主要分量的包絡(luò)譜

EMD方法下內(nèi)圈故障數(shù)據(jù)主要分量的包絡(luò)譜

【參考文獻(xiàn)】：
期刊論文
[1]基于信號(hào)稀疏表示和瞬態(tài)沖擊信號(hào)多特征提取的滾動(dòng)軸承故障診斷[J]. 孟宗,殷娜,李晶.  計(jì)量學(xué)報(bào). 2019(05)
[2]基于局部均值分解多尺度模糊熵和灰色相似關(guān)聯(lián)度的滾動(dòng)軸承故障診斷[J]. 孟宗,趙東方,李晶,熊景鳴,劉爽.  計(jì)量學(xué)報(bào). 2018(02)
[3]基于SVD和SVDD的軸承故障診斷[J]. 劉英杰,范玉剛,吳建德.  控制工程. 2018(03)
[4]優(yōu)化參數(shù)的變分模態(tài)分解在滾動(dòng)軸承故障診斷中的應(yīng)用[J]. 馬洪斌,佟慶彬,張亞男.  中國機(jī)械工程. 2018(04)
[5]基于VMD及廣義分形維數(shù)矩陣的滾動(dòng)軸承故障診斷[J]. 張淑清,邢婷婷,何紅梅,董玉蘭,張立國,姜萬錄.  計(jì)量學(xué)報(bào). 2017(04)
[6]基于奇異值分解和灰靶決策的車刀磨損狀態(tài)判別[J]. 朱堅(jiān)民,趙全龍,何丹丹.  計(jì)量學(xué)報(bào). 2017(02)
[7]基于經(jīng)驗(yàn)?zāi)B(tài)分解和奇異值分解的振動(dòng)聲調(diào)制信號(hào)分析方法研究[J]. 鄭慧峰,喻桑桑,王月兵,方漂漂,王成,唐廷浩.  計(jì)量學(xué)報(bào). 2016 (04)
[8]基于改進(jìn)奇異值分解和經(jīng)驗(yàn)?zāi)Ｊ椒纸獾臐L動(dòng)軸承早期微弱故障特征提取[J]. 孟宗,谷偉明,胡猛,熊景鳴.  計(jì)量學(xué)報(bào). 2016 (04)
[9]基于變分模態(tài)分解和1.5維譜的軸承早期故障診斷方法[J]. 王曉龍,唐貴基.  電力自動(dòng)化設(shè)備. 2016(07)
[10]基于支持向量機(jī)和窗函數(shù)的DEMD端點(diǎn)效應(yīng)抑制方法[J]. 孟宗,季艷,谷偉明,王娜.  計(jì)量學(xué)報(bào). 2016 (02)



本文編號(hào)：3241478