本文選題：滾動軸承 + 風(fēng)電齒輪箱��； 參考：《軸承》2017年11期

【摘要】：針對風(fēng)電齒輪箱中軸承故障信號非線性、非平穩(wěn)的特點(diǎn),提出了基于最小熵反褶積(MED)、經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)和切片雙譜相結(jié)合的方法來提取軸承的微弱故障特征。通過MED-EMD將原始信號降噪分解為多個(gè)本征模態(tài)函數(shù)(IMF),對與原始信號相關(guān)性強(qiáng)的IMF分量進(jìn)行切片雙譜分析,從而提取微弱故障特征頻率。對仿真信號和風(fēng)電齒輪箱軸承實(shí)測信號的分析表明:選取MED作為EMD的前置濾波器能夠彌補(bǔ)強(qiáng)背景噪聲下EMD分解的不足,切片雙譜分析能夠抑制高斯噪聲,提高信噪比,得到了風(fēng)電齒輪箱故障產(chǎn)生于中間齒輪軸電動機(jī)側(cè)軸承內(nèi)圈點(diǎn)蝕的正確判斷。
[Abstract]:In view of the nonlinear and non-stationary characteristics of bearing fault signals in wind power gearboxes, a method based on minimum entropy deconvolution, empirical mode decomposition (EMD) and slice bispectrum is proposed to extract the weak fault features of bearings. The original signal denoising is decomposed into several intrinsic mode functions by MED-EMD, and the IMF component with strong correlation with the original signal is sliced by bispectral analysis, and the weak fault characteristic frequency is extracted. The analysis of simulation signal and wind power gearbox bearing signal shows that selecting MED as the prefilter of EMD can make up for the shortage of EMD decomposition under strong background noise. Slice bispectrum analysis can suppress Gao Si noise and improve signal-to-noise ratio (SNR). The correct judgment of the pitting corrosion of the inner ring of the motor side bearing of the middle gear shaft is obtained.
【作者單位】： 太原理工大學(xué)機(jī)械工程學(xué)院;中北大學(xué)機(jī)械與動力工程學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(50775157) 山西省基礎(chǔ)研究項(xiàng)目(2012011012-1)
【分類號】：TH133.33;TM315

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蘇中元;賈民平;許飛云;胡建中;;循環(huán)雙譜及在周期平穩(wěn)類故障中的應(yīng)用[J];中國工程科學(xué);2006年09期

2 韓捷;李軍偉;李志農(nóng);;階比雙譜及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[J];機(jī)械強(qiáng)度;2006年06期

3 李巍華;李金三;;局部積分雙譜及其在齒輪故障診斷中的應(yīng)用[J];新技術(shù)新工藝;2011年02期

4 李凌均;韓捷;李朋勇;雷文平;董辛;;基于矢雙譜的智能故障診斷方法[J];機(jī)械工程學(xué)報(bào);2011年11期

5 吳文兵;黃宜堅(jiān);;基于故障診斷的雙譜優(yōu)良特性體現(xiàn)[J];中國機(jī)械工程;2014年06期

6 李成貴;粗糙表面的雙相干譜分析[J];測試技術(shù)學(xué)報(bào);2003年03期

7 劉占生;竇唯;王曉偉;;基于主元-雙譜支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷方法[J];振動與沖擊;2007年12期

8 李朋勇;李凌均;孔維峰;李衛(wèi)鵬;;基于雙譜和支持向量數(shù)據(jù)描述的故障診斷[J];機(jī)械強(qiáng)度;2011年04期

9 吳文兵;黃宜堅(jiān);陳文薌;;雙譜耦合性質(zhì)對故障診斷的影響[J];機(jī)械設(shè)計(jì)與制造;2013年11期

10 吳文兵;黃宜堅(jiān);陳文薌;;復(fù)雙譜耦合性質(zhì)在故障診斷中的應(yīng)用[J];北京工業(yè)大學(xué)學(xué)報(bào);2012年09期

相關(guān)會議論文 前2條

1 李金三;李巍華;;積分雙譜在齒輪箱故障診斷中的應(yīng)用[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

2 李允公;劉杰;李永強(qiáng);張金萍;;雙譜在機(jī)械系統(tǒng)健康水平監(jiān)測中應(yīng)用的研究[A];全面建設(shè)小康社會：中國科技工作者的歷史責(zé)任——中國科協(xié)2003年學(xué)術(shù)年會論文集（上）[C];2003年

相關(guān)碩士學(xué)位論文 前5條

1 管騰飛;全矢高階統(tǒng)計(jì)量及其在故障診斷中的應(yīng)用研究[D];鄭州大學(xué);2015年

2 李延峰;基于MED-EMD和切片雙譜的齒輪箱故障診斷研究[D];太原理工大學(xué);2017年

3 文代瓊;基于循環(huán)雙譜的機(jī)械振動仿真信號分析[D];昆明理工大學(xué);2017年

4 李朋勇;基于全矢高階譜的故障診斷方法及其應(yīng)用研究[D];鄭州大學(xué);2010年

5 李劍飛;基于雙譜圖像的機(jī)械故障嵌入式診斷系統(tǒng)研究[D];鄭州大學(xué);2017年

，

本文編號：1949926