本文選題：滾動軸承 + 特征提取　； 參考：《振動與沖擊》2017年22期

【摘要】：帶通濾波器參數(shù)(中心頻率和帶寬)選取是共振解調(diào)的關(guān)鍵,針對快速峭度圖找尋的中心頻率偏大、帶寬過寬的問題,提出Infogram(信息圖)用于確定濾波器參數(shù);并利用變分模態(tài)分解(Variational Mode Decomoposition,VMD)預(yù)先對信號進行重構(gòu),以減少噪聲對信息圖的影響,增強其應(yīng)用效果。對軸承故障振動信號進行變分模態(tài)分解得到有限個模態(tài)分量,根據(jù)模態(tài)選取準則確定包含故障信息較多的模態(tài)分量進行信號重構(gòu),再應(yīng)用信息圖確定最佳共振頻帶的中心頻率和帶寬,并對重構(gòu)信號進行帶通濾波和包絡(luò)譜分析,識別軸承故障特征頻率。仿真分析和軸承外圈模擬故障試驗驗證了該方法的有效性。
[Abstract]:The selection of bandpass filter parameters (center frequency and bandwidth) is the key of resonance demodulation. In view of the problem that the center frequency of fast kurtosis graph is too large and the bandwidth is too wide, Infogramgram is proposed to determine filter parameters. In order to reduce the influence of noise on the information graph and enhance the application effect, the variable-mode decomposition (VMDM) is used to reconstruct the signal in advance. A finite number of modal components are obtained by variational mode decomposition of bearing fault vibration signals, and the modal components containing more fault information are determined according to the modal selection criteria to reconstruct the signals. The center frequency and bandwidth of the optimal resonance frequency band are determined by using the information graph, and the reconstruction signal is analyzed by bandpass filtering and envelope spectrum analysis to identify the bearing fault characteristic frequency. The effectiveness of this method is verified by simulation analysis and simulation fault test of bearing outer ring.
【作者單位】： 軍事交通學院軍用車輛工程技術(shù)研究中心;東莞市TR軸承有限公司;
【分類號】：TH133.33

【相似文獻】

相關(guān)期刊論文 前10條

1 王延松，，李樹才，蔣鈺潔;滾動軸承故障的快速診斷[J];林業(yè)機械與木工設(shè)備;1996年03期

2 張益純,劉振娟;滾動軸承故障分析探討[J];內(nèi)燃機配件;2000年03期

3 秦愷,陳進,姜鳴,陳春梅;一種滾動軸承故障特征提取的新方法——譜相關(guān)密度[J];振動與沖擊;2001年01期

4 鄧長春;;聲發(fā)射法在滾動軸承故障識別中的應(yīng)用[J];試驗技術(shù)與試驗機;2002年Z2期

5 任昭蓉;滾動軸承故障的小波診斷法[J];機械制造與自動化;2004年06期

6 陸爽,田野;滾動軸承故障特征識別的時頻分析研究[J];機床與液壓;2005年06期

7 江涌;基于余弦調(diào)頻小波變換的滾動軸承故障研究[J];機械設(shè)計與制造;2005年06期

8 程光友;;時域指標在滾動軸承故障診斷中的應(yīng)用[J];中國設(shè)備工程;2005年12期

9 陳洪軍;趙新澤;王延軍;;滾動軸承故障試驗臺的理論建模分析[J];四川理工學院學報(自然科學版);2005年04期

10 李崇晟;滾動軸承故障的非線性診斷方法[J];軸承;2005年05期

相關(guān)會議論文 前10條

1 張益純;;常見滾動軸承故障診斷的技術(shù)探討[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學術(shù)會議論文集[C];2000年

2 楊積忠;左立建;;滾動軸承故障診斷實例[A];設(shè)備監(jiān)測與診斷技術(shù)及其應(yīng)用——第十二屆全國設(shè)備監(jiān)測與診斷學術(shù)會議論文集[C];2005年

3 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應(yīng)用研究[A];第九屆全國振動理論及應(yīng)用學術(shù)會議論文摘要集[C];2007年

4 李放寧;;峰值能量在滾動軸承故障診斷中的應(yīng)用[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學術(shù)會議論文集[C];2000年

5 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應(yīng)用研究[A];第九屆全國振動理論及應(yīng)用學術(shù)會議論文集[C];2007年

6 張九軍;;常見滾動軸承故障的簡易診斷[A];2008年全國煉鐵生產(chǎn)技術(shù)會議暨煉鐵年會文集（上冊）[C];2008年

7 李興林;;滾動軸承故障診斷技術(shù)現(xiàn)狀及發(fā)展[A];2009年全國青年摩擦學學術(shù)會議論文集[C];2009年

8 唐海峰;陳進;董廣明;;信號稀疏分解方法在滾動軸承故障診斷中的應(yīng)用[A];第十二屆全國設(shè)備故障診斷學術(shù)會議論文集[C];2010年

9 高耀智;;高階統(tǒng)計量與小波分析相結(jié)合在滾動軸承故障診斷中的應(yīng)用[A];2009年全國青年摩擦學學術(shù)會議論文集[C];2009年

10 和衛(wèi)星;陳曉平;馬東玲;;基于混沌時間序列的滾動軸承故障局部預(yù)測[A];2009中國儀器儀表與測控技術(shù)大會論文集[C];2009年

相關(guān)博士學位論文 前10條

1 王玉靜;滾動軸承振動信號特征提取與狀態(tài)評估方法研究[D];哈爾濱工業(yè)大學;2015年

2 余發(fā)軍;機械故障稀疏特征提取及診斷方法研究[D];武漢科技大學;2016年

3 甘萌;信號的稀疏表達在滾動軸承故障特征提取及智能診斷中的應(yīng)用研究[D];中國科學技術(shù)大學;2017年

4 劉暢;基于壓縮感知的滾動軸承特征提取與特征約簡方法研究[D];昆明理工大學;2017年

5 廖強;約束獨立分量和多小波分析在滾動軸承故障診斷中的應(yīng)用[D];電子科技大學;2016年

6 曾鳴;基于凸包的模式識別方法及其在滾動軸承故障診斷中的應(yīng)用[D];湖南大學;2016年

7 王聰;基于稀疏表達的機械信號處理方法及其在滾動軸承故障診新中的應(yīng)用研究[D];中國科學技術(shù)大學;2017年

8 于江林;滾動軸承故障的非接觸聲學檢測信號特性及重構(gòu)技術(shù)研究[D];大慶石油學院;2009年

9 楊柳松;基于小波分析與神經(jīng)網(wǎng)絡(luò)滾動軸承故障診斷方法的研究[D];東北林業(yè)大學;2013年

10 從飛云;基于滑移向量序列奇異值分解的滾動軸承故障診斷研究[D];上海交通大學;2012年

相關(guān)碩士學位論文 前10條

1 代士超;滾動軸承外圈故障機理建模及雙沖擊特征提取方法的研究[D];昆明理工大學;2015年

2 孫美巖;基于振動信號的滾動軸承故障特征提取研究[D];東北石油大學;2015年

3 康樂;基于EEMD-SVD的FCM聚類的軸承故障診斷[D];燕山大學;2016年

4 李茜茜;非穩(wěn)態(tài)工況下滾動軸承故障特征提取與診斷[D];沈陽航空航天大學;2016年

5 李男;基于LMD樣本熵和貝葉斯網(wǎng)絡(luò)的滾動軸承故障診斷方法[D];燕山大學;2015年

6 李玉奎;基于非平穩(wěn)信號分析的滾動軸承故障診斷研究[D];燕山大學;2015年

7 卜勇霞;基于時頻分析方法的滾動軸承故障診斷研究[D];昆明理工大學;2015年

8 馬寶;基于KICA和LSSVM的滾動軸承故障監(jiān)測及診斷方法[D];昆明理工大學;2015年

9 王天一;基于正交小波優(yōu)化閾值降噪方法的滾動軸承故障診斷研究[D];哈爾濱工業(yè)大學;2015年

10 宋耀文;基于振動信號分析的滾動軸承故障特征提取與診斷研究[D];中國礦業(yè)大學;2015年

本文編號：2039496