本文關(guān)鍵詞：基于雙時域微弱故障特征增強的軸承早期故障智能識別

  更多相關(guān)文章： 滾動軸承 早期故障診斷 雙時域變換 脈沖耦合神經(jīng)網(wǎng)路

【摘要】：針對軸承早期微弱故障難以準確識別的問題,提出一種基于雙時域微弱故障特征增強的軸承早期故障智能識別方法。利用廣義S變換和Fourier逆變換推導出一種雙時域變換,將軸承振動信號變換為雙時域二維時間序列。根據(jù)雙時域變換的能量分布特點,提取二維時間序列的主對角元素以構(gòu)建故障特征增強的時域振動信號。仿真信號和軸承故障信號分析驗證了雙時域微弱故障特征增強的可行性和有效性。采用脈沖耦合神經(jīng)網(wǎng)絡(luò)和支持向量機對增強后的軸承信號進行時頻特征參數(shù)提取和智能識別,平均識別精度達到了95.4%。試驗結(jié)果表明所提方法能有效提高軸承早期故障的智能識別精度。
【作者單位】： 軍械工程學院車輛與電氣工程系;
【基金】：國家自然科學基金資助項目(E51205405,51305454)
【分類號】：TH133.3
【正文快照】： 0前言*滾動軸承是機械設(shè)備中常見的部件之一,其健康狀態(tài)好壞直接影響設(shè)備整機性能的發(fā)揮。大量研究表明,振動信號分析是軸承故障診斷最有效的方法之一[1]。然而在軸承狀態(tài)發(fā)生變化初期,軸承故障特征微弱,常常淹沒在其他運動部件、機體振動信號和背景噪聲當中,導致傳統(tǒng)的包絡(luò)譜

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊建剛;;旋轉(zhuǎn)機械摩擦故障特征的多重性分析[J];電力設(shè)備;2007年10期

2 秦文娟;張駿;寧寧;;基于多類別信息量的模糊Petri網(wǎng)故障推理策略[J];計算機測量與控制;2008年07期

3 梅檢民;陳祥龍;肖云魁;楊萬成;喬龍;;基于穩(wěn)健全息階比譜提取微弱故障特征[J];振動與沖擊;2012年12期

4 馬輝;孫偉;王學軍;聞邦椿;;轉(zhuǎn)子系統(tǒng)松動故障特征分析[J];東北大學學報(自然科學版);2009年03期

5 李鋒;王家序;楊榮松;;有監(jiān)督不相關(guān)正交局部保持映射故障辨識[J];儀器儀表學報;2013年05期

6 邵毅敏;周曉君;歐家福;陳再剛;周本學;;增強型濾波及沖擊性機械故障特征的提取[J];機械工程學報;2009年04期

7 曲佳;興成宏;李迎麗;李r，

本文編號：1146311