為了解決現(xiàn)有分解方法在近頻部分產(chǎn)生模態(tài)混疊的問(wèn)題,提高時(shí)變參數(shù)模型對(duì)故障信號(hào)直接診斷的準(zhǔn)確性,研究了多軸轉(zhuǎn)子系統(tǒng)的典型故障信號(hào)分析方法.提出了基于變分模態(tài)分解（VMD）和AR譜相結(jié)合的故障特征信號(hào)分析方法;采取瞬時(shí)頻率均值法選取VMD中的分解模式數(shù)k.經(jīng)VMD分解產(chǎn)生固有模態(tài)函數(shù)（IMFs）,采用AR譜對(duì)IMFs分量進(jìn)行特征提取,分析典型故障模式相對(duì)應(yīng)的特征頻帶.結(jié)果表明:基于VMD-AR譜的故障特征提取方法解決了分解模式數(shù)k的選取難題,避免k值的經(jīng)驗(yàn)選取;VMD能夠抑制信號(hào)分解近頻部分的模態(tài)混疊,而AR模型克服了Hilbert分離算法存在的加窗效應(yīng),在頻帶劃分上具有較強(qiáng)的分辨率.該方法可有效進(jìn)行故障特征提取,并為改進(jìn)的粒子群優(yōu)化算法的混合核支持向量機(jī)算法提供特征信息. 

【文章來(lái)源】：江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,41(05)北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

瞬時(shí)頻率平均曲線(xiàn)

1) 振動(dòng)信號(hào)采集.診斷對(duì)象為多軸轉(zhuǎn)子系統(tǒng),如圖2所示,設(shè)計(jì)搭建轉(zhuǎn)子信號(hào)采集試驗(yàn)臺(tái)如圖3所示,設(shè)置采樣頻率為1 000 Hz,采樣點(diǎn)數(shù)為1 000個(gè).圖3 轉(zhuǎn)子系統(tǒng)數(shù)據(jù)采集試驗(yàn)臺(tái)

轉(zhuǎn)子系統(tǒng)數(shù)據(jù)采集試驗(yàn)臺(tái)


本文編號(hào)：3274893