發(fā)布時間：2021-07-08 10:06

　　針對滾動軸承振動信號特征提取在濾除干擾噪聲的同時會將部分有用信號濾除,造成特征信號丟失的問題,提出了一種基于噪聲輔助信號特征增強的滾動軸承早期故障診斷方法。采用廣義多尺度排列熵篩選準則篩選振動信號,并通過粒子群優(yōu)化算法優(yōu)化Duffing振子系統(tǒng)參數(shù),實現(xiàn)Duffing振子系統(tǒng)、輸入信號與噪聲間的最優(yōu)匹配,從而提高隨機共振效果,將部分背景噪聲能量轉(zhuǎn)移到滾動軸承早期微弱故障信號特征上,實現(xiàn)了早期微弱故障信號特征的增強。將所提方法應(yīng)用于滾動軸承全壽命狀態(tài)早期故障診斷,并與基于VMD的自適應(yīng)形態(tài)學(xué)方法相比較,結(jié)果表明了該方法的有效性和可行性。 

【文章來源】：振動與沖擊. 2020,39(15)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

Duffing振子系統(tǒng)勢函數(shù)

將篩選出來的信號分別作為Duffing振子模型的輸入,并通過粒子群優(yōu)化算法優(yōu)化Duffing振子系統(tǒng)參數(shù)。當輸入為排列熵篩選后的信號,實現(xiàn)噪聲、信號和Duffing系統(tǒng)的最優(yōu)匹配的輸出參數(shù)為a=1,b=1,k=2.5,輸出信號頻譜如圖6所示。當輸入廣義多尺度排列熵篩選后的信號,輸出系統(tǒng)參數(shù)為a=1,b=1.2,k=2,輸出信號頻譜如圖7所示,相比圖6,廣義多尺度排列熵篩選的輸出信號干擾更少,特征頻率更明顯。圖7 基于廣義多尺度排列熵的輸出信號功率譜

基于廣義多尺度排列熵的輸出信號功率譜

【參考文獻】：
期刊論文
[1]基于廣義復(fù)合多尺度排列熵與PCA的滾動軸承故障診斷方法[J]. 鄭近德,劉濤,孟瑞,劉慶運.  振動與沖擊. 2018(20)
[2]乘性雙態(tài)噪聲和周期調(diào)制簡諧噪聲激勵下的線性過阻尼諧振子的隨機共振[J]. 張路,鐘蘇川.  振動與沖擊. 2018(12)
[3]排列熵算法在水工結(jié)構(gòu)損傷診斷中的應(yīng)用[J]. 張建偉,侯鴿,趙瑜,馬曉君,暴振磊.  振動.測試與診斷. 2018(02)
[4]基于FVMD多尺度排列熵和GK模糊聚類的故障診斷[J]. 陳東寧,張運東,姚成玉,孫飛,周能元.  機械工程學(xué)報. 2018(14)
[5]滾動軸承故障特征提取的EMD-頻譜自相關(guān)方法[J]. 萬書亭,詹長庚,豆龍江.  振動.測試與診斷. 2016(06)
[6]基于Duffing振子的信號頻譜重構(gòu)隨機共振研究[J]. 賴志慧,饒錫新,劉建勝,冷永剛.  振動與沖擊. 2016(21)
[7]基于H-K聚類邏輯回歸的貫流式機組水導(dǎo)軸承磨損性能評估研究[J]. 黨建,賈嶸,羅興锜,武樺.  水利學(xué)報. 2017(02)
[8]基于Kolmogrov-Smirnov檢驗和LS-SVM的機械設(shè)備故障預(yù)測[J]. 王恒,馬海波,黃希,花國然.  中南大學(xué)學(xué)報(自然科學(xué)版). 2016(06)
[9]基于量子粒子群算法的自適應(yīng)隨機共振方法研究[J]. 李一博,張博林,劉自鑫,張震宇.  物理學(xué)報. 2014(16)
[10]基于形態(tài)非抽樣小波分解的滾動軸承故障特征提取[J]. 黃兵鋒,沈路,周曉軍,劉莉.  農(nóng)業(yè)機械學(xué)報. 2010(02)



本文編號：3271361