發(fā)布時間：2024-04-11 23:57

　　實際工況中的軸承故障信息通常被掩埋在大量噪聲中,為有效提取軸承故障特征頻率,提出了最大相關峭度反卷積(MCKD)與經驗小波變換(EWT)相結合的診斷方法。首先,使用MCKD對軸承振動信號進行降噪處理;然后,使用EWT將MCKD處理后的振動信號分解為多個調幅-調頻分量(AM-FM);最后,在含有故障頻率的低頻分量頻譜中尋找軸承故障特征頻率。使用軸承故障模擬試驗臺采集的軸承振動信號驗證了該方法對軸承故障診斷的有效性,并采用另一軸承故障數據集驗證了該方法的泛化性。

【文章頁數】：6 頁

【部分圖文】：

圖1Fourier軸的分割

τn=γωn,γ<min(ωn+1-ωnωn+1+ωn)。(8)根據經驗小波的構造方法搭建EWT,細節(jié)系數分別為

圖2MCKD-EWT的軸承故障診斷流程圖

通過MCKD對軸承振動信號進行前處理,然后對MCKD降噪后的振動信號進行EWT分解,有效利用了MCKD的降噪優(yōu)勢,同時發(fā)揮了EWT的分解優(yōu)勢,具體流程如圖2所示。2試驗分析

圖3HZXT-DS-003滾動軸承試驗臺結構簡圖

故障軸承振動信號采集自如圖3所示的HZXT-DS-003雙跨雙轉子滾動軸承試驗臺,試驗軸承型號為6205-2RS,用電火花在外圈及內圈溝道上加工直徑為0.178mm的單點損傷。軸承轉速為1796r/min,轉頻為29.17Hz,采樣頻率為12000Hz,選用時長1s....

圖4內圈故障軸承的振動信號

內圈故障軸承振動信號的時、頻域圖如圖4所示,由圖可知:時域圖中包含代表軸承故障信息的沖擊分量,但被大量噪聲掩埋;在頻譜中,由于高頻噪聲的存在,高頻段分量的幅值異常大,也難以找到對應的故障特征頻率。當劃分邊界數量N=5時,內圈故障軸承振動信號的Fourier軸分割如圖5所示,EW....

本文編號：3951342