為了解決現(xiàn)有分解方法在近頻部分產生模態(tài)混疊的問題,提高時變參數(shù)模型對故障信號直接診斷的準確性,研究了多軸轉子系統(tǒng)的典型故障信號分析方法.提出了基于變分模態(tài)分解（VMD）和AR譜相結合的故障特征信號分析方法;采取瞬時頻率均值法選取VMD中的分解模式數(shù)k.經VMD分解產生固有模態(tài)函數(shù)（IMFs）,采用AR譜對IMFs分量進行特征提取,分析典型故障模式相對應的特征頻帶.結果表明:基于VMD-AR譜的故障特征提取方法解決了分解模式數(shù)k的選取難題,避免k值的經驗選取;VMD能夠抑制信號分解近頻部分的模態(tài)混疊,而AR模型克服了Hilbert分離算法存在的加窗效應,在頻帶劃分上具有較強的分辨率.該方法可有效進行故障特征提取,并為改進的粒子群優(yōu)化算法的混合核支持向量機算法提供特征信息. 

【文章來源】：江蘇大學學報(自然科學版). 2020,41(05)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

瞬時頻率平均曲線

1) 振動信號采集.診斷對象為多軸轉子系統(tǒng),如圖2所示,設計搭建轉子信號采集試驗臺如圖3所示,設置采樣頻率為1 000 Hz,采樣點數(shù)為1 000個.圖3 轉子系統(tǒng)數(shù)據(jù)采集試驗臺

轉子系統(tǒng)數(shù)據(jù)采集試驗臺


本文編號：3274893