【摘要】：針對強(qiáng)噪聲情況下滾動(dòng)軸承早期故障信號(hào)特征難以提取的問題,提出了MCKD與對稱差分能量算子解調(diào)的特征提取方法。MCKD算法進(jìn)行濾波時(shí),濾波器長度L和故障周期T對濾波效果的影響至關(guān)重要,因此提出基于循環(huán)相關(guān)和LPSO算法結(jié)合的自適應(yīng)的MCKD算法,自動(dòng)搜尋MCKD算法所需最優(yōu)參數(shù);原信號(hào)經(jīng)濾波后,故障特征被明顯突出,為了剔除剩余噪聲,對濾波后信號(hào)進(jìn)一步做對稱差分能量算子解調(diào),剔除剩余噪聲同時(shí)獲得解調(diào)譜,進(jìn)而提取滾動(dòng)軸承的早期故障。實(shí)驗(yàn)分析驗(yàn)證了該方法的有效性。
[Abstract]:In order to solve the problem that it is difficult to extract the feature of early fault signal of rolling bearing under strong noise, a feature extraction method of MCKD and symmetrical differential energy operator demodulation is proposed. When the MCKD algorithm is used for filtering, The influence of filter length L and fault period T on the filtering effect is very important, so an adaptive MCKD algorithm based on cyclic correlation and LPSO algorithm is proposed to automatically search the optimal parameters of MCKD algorithm. After the original signal is filtered, the fault feature is obviously prominent. In order to eliminate the residual noise, the filtered signal is further demodulated by symmetrical differential energy operator, and the demodulation spectrum is obtained simultaneously by eliminating the residual noise, and then the early fault of rolling bearing is extracted. The experimental results show that the method is effective.
【作者單位】： 重慶大學(xué)機(jī)械傳動(dòng)國家重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家自然科學(xué)基金項(xiàng)目(51475052) 中央高�；究蒲袠I(yè)務(wù)費(fèi)(106112016CDJZR115502)
【分類號(hào)】：TH133.33

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳岳東，，屈梁生;回轉(zhuǎn)機(jī)械的故障特征提取與分類[J];機(jī)械工程學(xué)報(bào);1994年S1期

2 李兆飛;柴毅;李華鋒;;多重分形的振動(dòng)信號(hào)故障特征提取方法[J];數(shù)據(jù)采集與處理;2013年01期

3 韓立靜;徐金梧;陽建宏;黎敏;;基于灰度擊中擊不中變換的故障特征提取方法[J];北京科技大學(xué)學(xué)報(bào);2012年07期

4 李學(xué)軍;廖傳軍;褚福磊;;適于聲發(fā)射信號(hào)故障特征提取的小波函數(shù)[J];機(jī)械工程學(xué)報(bào);2008年03期

5 梅檢民;肖云魁;賈繼德;趙慧敏;陳祥龍;喬龍;;基于改進(jìn)階比的變速器微弱故障特征提取[J];振動(dòng)工程學(xué)報(bào);2012年03期

6 任立通;胡金海;謝壽生;王磊;苗卓廣;;基于隨機(jī)共振預(yù)處理的振動(dòng)故障特征提取研究[J];振動(dòng)與沖擊;2014年02期

7 陳長征,羅躍綱,張省,虞和濟(jì);基于小波分析的機(jī)械故障特征提取研究[J];機(jī)械強(qiáng)度;2001年01期

8 郝志華;馬孝江;;高階非線性時(shí)頻表示在故障特征提取中的應(yīng)用[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2006年02期

9 張玉存;馬睿;付獻(xiàn)斌;孔濤;;基于拓?fù)鋫鬟f的耦合機(jī)械故障特征提取方法[J];中國機(jī)械工程;2012年04期

10 王詩彬;許佳;朱忠奎;;瞬態(tài)成分參數(shù)的最小二乘法辨識(shí)及其軸承故障特征提取應(yīng)用[J];機(jī)械工程學(xué)報(bào);2012年07期

相關(guān)會(huì)議論文 前3條

1 趙志宏;楊紹普;;一種基于ICA的機(jī)械故障特征提取方法[A];機(jī)械動(dòng)力學(xué)理論及其應(yīng)用[C];2011年

2 潘宏俠;黃晉英;毛鴻偉;劉振旺;;基于粒子群優(yōu)化的故障特征提取技術(shù)研究[A];第九屆全國振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文摘要集[C];2007年

3 朱啟兵;楊慧中;;基于卷積型小波包奇異值分解的齒輪故障特征提取[A];第二十七屆中國控制會(huì)議論文集[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 李永波;滾動(dòng)軸承故障特征提取與早期診斷方法研究[D];哈爾濱工業(yè)大學(xué);2017年

2 程發(fā)斌;面向機(jī)械故障特征提取的混合時(shí)頻分析方法研究[D];重慶大學(xué);2007年

3 馮坤;基于內(nèi)積變換的機(jī)械故障特征提取原理與早期識(shí)別方法研究[D];北京化工大學(xué);2012年

4 王曉龍;基于振動(dòng)信號(hào)處理的滾動(dòng)軸承故障診斷方法研究[D];華北電力大學(xué)(北京);2017年

5 李加慶;基于聲全息的故障特征提取技術(shù)研究[D];上海交通大學(xué);2008年

6 趙玲;旋轉(zhuǎn)機(jī)械系統(tǒng)故障特征提取中的分形方法研究[D];重慶大學(xué);2010年

7 陳建國;基于獨(dú)立分量分析的機(jī)械故障特征提取及分類方法研究[D];大連理工大學(xué);2011年

8 劉尚坤;基于振動(dòng)信號(hào)處理的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];華北電力大學(xué)(北京);2017年

9 李兆飛;振動(dòng)故障分形特征提取及診斷方法研究[D];重慶大學(xué);2013年

10 鞠萍華;旋轉(zhuǎn)機(jī)械早期故障特征提取的時(shí)頻分析方法研究[D];重慶大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 馬艷麗;基于全矢MEMD的滾動(dòng)軸承狀態(tài)退化研究[D];鄭州大學(xué);2017年

2 薄瑞瑞;基于LMD的振動(dòng)信號(hào)處理及故障特征提取研究[D];內(nèi)蒙古大學(xué);2015年

3 屈紅偉;基于LMD的故障特征提取方法及動(dòng)平衡技術(shù)研究[D];北京化工大學(xué);2015年

4 李嶺陽;基于非線性分析的故障特征提取及識(shí)別方法研究[D];北京化工大學(xué);2016年

5 沈金理;機(jī)械裝備連接松動(dòng)故障特征提取方法的研究[D];東華大學(xué);2013年

6 金兵;基于信息融合與VPMCD的滾動(dòng)軸承智能診斷研究[D];鄭州大學(xué);2017年

7 易雄;基于小波分析的機(jī)械故障特征提取與診斷技術(shù)研究[D];浙江工業(yè)大學(xué);2009年

8 王澤棟;鉆井泵閥的故障特征提取與基于GSM的遠(yuǎn)程故障報(bào)警儀[D];北京化工大學(xué);2008年

9 李艷妮;旋轉(zhuǎn)機(jī)械故障機(jī)理與故障特征提取技術(shù)研究[D];北京化工大學(xué);2007年

10 劉亭偉;基于譜峭度的齒輪箱故障特征提取[D];昆明理工大學(xué);2011年

本文編號(hào)：2423791