發(fā)布時(shí)間：2021-04-16 23:11

　　針對(duì)強(qiáng)噪聲背景下滾動(dòng)軸承早期微弱故障信號(hào)經(jīng)驗(yàn)?zāi)B(tài)分解問(wèn)題,提出了一種基于級(jí)聯(lián)自適應(yīng)分段線(xiàn)性隨機(jī)共振系統(tǒng)降噪的經(jīng)驗(yàn)?zāi)B(tài)分解方法。該方法依賴(lài)于級(jí)聯(lián)自適應(yīng)分段線(xiàn)性隨機(jī)共振系統(tǒng)優(yōu)良的降噪特性,首先對(duì)含噪信號(hào)進(jìn)行降噪處理,然后再進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解。通過(guò)對(duì)軸承故障仿真信號(hào)和滾動(dòng)軸承實(shí)驗(yàn)信號(hào)的分析,結(jié)果表明該方法能有效濾除高頻噪聲,減少經(jīng)驗(yàn)?zāi)B(tài)分解階數(shù),提高經(jīng)驗(yàn)?zāi)B(tài)分解的質(zhì)量,實(shí)現(xiàn)強(qiáng)噪聲背景下滾動(dòng)軸承早期微弱故障特征提取。 

【文章來(lái)源】：振動(dòng)工程學(xué)報(bào). 2020,33(03)北大核心EICSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

圖1 分段線(xiàn)性模型勢(shì)函數(shù)

圖2 分段線(xiàn)性隨機(jī)共振系統(tǒng)結(jié)構(gòu)框圖

將若干個(gè)圖2所示的分段線(xiàn)性隨機(jī)共振系統(tǒng)進(jìn)行串聯(lián)相連，即可構(gòu)成圖4所示的級(jí)聯(lián)分段線(xiàn)性隨機(jī)共振系統(tǒng)。原始信號(hào)經(jīng)過(guò)每級(jí)分段線(xiàn)性隨機(jī)共振系統(tǒng)處理后，都進(jìn)行EMD分解，并判斷分解結(jié)果的第1階IMF是否為特征信號(hào)頻率。若是，則停止級(jí)聯(lián)運(yùn)算，否則繼續(xù)進(jìn)行級(jí)聯(lián)運(yùn)算，直到特征信號(hào)頻率出現(xiàn)在分解結(jié)果的第1階IMF中。通過(guò)這種級(jí)聯(lián)形式，可以促使待測(cè)信號(hào)中的高頻能量不斷地向低頻轉(zhuǎn)移。因此，原始信號(hào)得以充分降噪。通過(guò)量子粒子群算法，使得每級(jí)系統(tǒng)輸出均達(dá)到最佳隨機(jī)共振，直到高頻噪聲能量幾乎全部轉(zhuǎn)移到低頻特征信號(hào)中，從而保證特征信號(hào)頻率出現(xiàn)在EMD分解結(jié)果的第1階IMF中，則級(jí)聯(lián)分段線(xiàn)性系統(tǒng)輸出最佳響應(yīng)xP(t），此過(guò)程被稱(chēng)為級(jí)聯(lián)自適應(yīng)分段線(xiàn)性系統(tǒng)的隨機(jī)共振（Cascaded Adaptive Piecewise-Linear Stochastic Resonance,CAPLSR）。圖4 級(jí)聯(lián)分段線(xiàn)性隨機(jī)共振系統(tǒng)結(jié)構(gòu)框圖


本文編號(hào)：3142341