針對(duì)變模式分解(VMD)中分解層數(shù)K對(duì)分解結(jié)果準(zhǔn)確度影響較大以及軸承振動(dòng)信號(hào)夾雜的噪聲極大地影響有用信息提取的問(wèn)題,提出了一種利用瞬時(shí)頻率均值(IFM)確定K值并結(jié)合小波閾值降噪(WTD)和Hilbert變換對(duì)軸承的振動(dòng)信號(hào)進(jìn)行分析的方法。首先利用瞬時(shí)頻率均值選擇合適的VMD中的K值,然后用VMD方法對(duì)含噪聲的信號(hào)進(jìn)行自適應(yīng)分解,根據(jù)相關(guān)系數(shù)原則從分解的分量中選取含有主要故障信息的分量進(jìn)行小波閾值降噪分析,最后進(jìn)行Hilbert變換解調(diào)出故障特征頻率。為驗(yàn)證此方法的可行性,首先通過(guò)仿真信號(hào)驗(yàn)證了所用降噪方法的可靠性,然后用提出的IFM-VMD與WTD-Hilbert結(jié)合的方法對(duì)實(shí)際軸承故障數(shù)據(jù)進(jìn)行分析,該方法故障診斷的準(zhǔn)確率達(dá)到99%以上,說(shuō)明該方法可以很好地識(shí)別滾動(dòng)軸承的故障信息。

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖1VMD分解過(guò)程

VMD方法的具體實(shí)現(xiàn)過(guò)程如圖1所示。在VMD分解中,直接影響分解結(jié)果的因素有兩個(gè):懲罰因子α與分解層數(shù)K,其中,懲罰因子α只影響分解結(jié)果的精確度,而K值則直接影響分解結(jié)果的準(zhǔn)確度。相比之下K值的研究更有價(jià)值,所以選擇對(duì)K值進(jìn)行研究。

圖3降噪后的仿真信號(hào)

圖2加入噪聲的仿真信號(hào)3實(shí)驗(yàn)分析

圖7K=3時(shí)VMD分解結(jié)果

圖6K=2時(shí)VMD分解結(jié)果圖8K=4時(shí)VMD分解結(jié)果

圖2加入噪聲的仿真信號(hào)

圖2表示加入噪聲后的仿真信號(hào),圖3表示進(jìn)行小波降噪和Hilbert變換處理后的仿真信號(hào)。比較圖2和圖3,可以發(fā)現(xiàn)經(jīng)過(guò)降噪后的信號(hào)的信噪比明顯提高,說(shuō)明文中采用的算法能夠有效地對(duì)信號(hào)進(jìn)行降噪。圖3降噪后的仿真信號(hào)

本文編號(hào)：3956265