本文選題：滾動(dòng)軸承 + 頻帶幅值熵��； 參考：《機(jī)械強(qiáng)度》2017年04期

【摘要】：針對(duì)滾動(dòng)軸承早期故障特征信息難以識(shí)別以及從小波包分解后的頻帶不能有效確定并自適應(yīng)提取共振帶的問(wèn)題,提出了頻帶幅值熵的概念。在此基礎(chǔ)上,將小波包變換和Teager能量譜結(jié)合,提出了基于小波包變換自適應(yīng)Teager能量譜的早期故障診斷方法。該方法首先利用小波包對(duì)采集到的振動(dòng)信號(hào)進(jìn)行分解,并計(jì)算各子帶的頻帶幅值熵。然后將熵值按升序排列后依次作為閾值,提取頻帶幅值熵大于閾值的子帶,依據(jù)峭度指標(biāo)確定最佳熵閾值以及小波包最佳分解層數(shù),從而自適應(yīng)并且有效地提取出共振帶。最后對(duì)共振帶進(jìn)行Teager能量譜分析,即可從中準(zhǔn)確地識(shí)別出軸承的故障特征頻率。通過(guò)信號(hào)仿真與實(shí)驗(yàn)數(shù)據(jù)分析驗(yàn)證了該方法的有效性。
[Abstract]:Aiming at the difficulty of identifying the early fault characteristic information of rolling bearing and the problem that the frequency band after small wave packet decomposition can not be effectively determined and adaptively extracted the concept of frequency band amplitude entropy is put forward. On this basis, combining wavelet packet transform with Teager energy spectrum, an early fault diagnosis method based on wavelet packet transform adaptive Teager energy spectrum is proposed. Firstly, the wavelet packet is used to decompose the collected vibration signal, and the amplitude entropy of each sub-band is calculated. Then the entropy is arranged in ascending order as the threshold, and the sub-band whose amplitude entropy is larger than the threshold is extracted. The best entropy threshold and the best decomposition layer number of wavelet packet are determined according to the kurtosis index, and the resonance band is extracted adaptively and effectively. Finally, the bearing fault characteristic frequency can be accurately identified by Teager energy spectrum analysis. The validity of the method is verified by signal simulation and experimental data analysis.
【作者單位】： 內(nèi)蒙古科技大學(xué)機(jī)械工程學(xué)院;山東交通職業(yè)學(xué)院泰山校區(qū)機(jī)電工程系;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(21366017) 內(nèi)蒙古高等學(xué)校科學(xué)研究項(xiàng)目(NJZY16154) 內(nèi)蒙古科技大學(xué)創(chuàng)新基金項(xiàng)目(2015QDL10)資助~~
【分類(lèi)號(hào)】：TH133.33

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊花朋;陶鳳和;張英堂;姚建國(guó);;小波包降噪在發(fā)動(dòng)機(jī)燃油壓力信號(hào)處理中的應(yīng)用[J];四川兵工學(xué)報(bào);2008年05期

2 趙紀(jì)元，，何正嘉，孟慶豐，程正興;小波包—自回歸譜分析及在振動(dòng)診斷中的應(yīng)用[J];振動(dòng)工程學(xué)報(bào);1995年03期

3 楊國(guó)安,許飛云,吳貞煥,高金吉;基于小波包和解調(diào)分析的多類(lèi)故障綜合診斷方法研究[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年01期

4 曹衍龍;程實(shí);楊將新;鄭華文;何元峰;;基于小波包的松動(dòng)件質(zhì)量估計(jì)方法[J];機(jī)械工程學(xué)報(bào);2010年22期

5 紀(jì)躍波;小波包的頻率順序[J];振動(dòng)與沖擊;2005年03期

6 周云龍;趙鵬;孫斌;;基于提升小波包的離心泵故障診斷方法[J];熱能動(dòng)力工程;2011年06期

7 殷光偉,鄭丕諤;復(fù)雜系統(tǒng)狀態(tài)預(yù)測(cè)的小波包方法[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2005年04期

8 吳逍;紀(jì)國(guó)宜;;基于諧波小波包理論檢測(cè)微弱信號(hào)的研究[J];電子測(cè)量技術(shù);2010年06期

9 練秋生,盧輝斌,王成儒;基于最優(yōu)小波包的心電圖壓縮算法[J];儀器儀表學(xué)報(bào);2001年S1期

10 姜洪開(kāi);王仲生;何正嘉;;基于自適應(yīng)提升小波包的故障微弱信號(hào)特征早期識(shí)別[J];西北工業(yè)大學(xué)學(xué)報(bào);2008年01期

相關(guān)會(huì)議論文 前6條

1 申傳朋;唐向宏;余志衛(wèi);;基于子頻帶性能分析的小波包樹(shù)選擇性研究[A];浙江省電子學(xué)會(huì)2009學(xué)術(shù)年會(huì)論文集[C];2009年

2 馮清玲;王全杰;;基于小波包的變形監(jiān)測(cè)數(shù)據(jù)去噪[A];山東省測(cè)繪學(xué)術(shù)年會(huì)論文集[C];2006年

3 魏興昌;梁昌洪;;用離散小波包求解介質(zhì)柱的散射[A];1999年全國(guó)微波毫米波會(huì)議論文集(上冊(cè))[C];1999年

4 謝永芳;董群英;彭濤;王雅琳;;基于小波包移頻算法的AR模型的滾動(dòng)軸承故障診斷[A];第24屆中國(guó)控制與決策會(huì)議論文集[C];2012年

5 練秋生;盧輝斌;王成儒;;基于最優(yōu)小波包的心電圖壓縮算法[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（上）[C];2001年

6 顏志國(guó);王志中;任曉梅;;獨(dú)立分量分析和小波熵在動(dòng)作模式分類(lèi)中的應(yīng)用[A];2005年上海市生物醫(yī)學(xué)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2005年

相關(guān)碩士學(xué)位論文 前2條

1 馬瀟;基于小波包的LMD在EEG信號(hào)分析中的研究[D];太原理工大學(xué);2016年

2 姚書(shū)會(huì);面向生產(chǎn)優(yōu)化的數(shù)據(jù)協(xié)調(diào)方法研究[D];北京化工大學(xué);2014年

本文編號(hào)：1848961