針對強背景噪聲干擾下輪對軸承故障特征微弱、難以準(zhǔn)確檢測的問題,提出了一種自適應(yīng)改進高斯拉普拉斯（improved Laplacian of Gaussian,簡稱ILoG）算子的微弱故障檢測方法。ILoG算子濾波器具有優(yōu)良的信號突變特征檢測能力,將其用于輪對軸承故障信號的沖擊特征檢測,同時利用水循環(huán)算法（water cycle algorithm,簡稱WCA）的尋優(yōu)特性,并行搜尋篩選最佳的ILoG算子影響參數(shù),通過對參數(shù)優(yōu)化后ILoG算子濾波后信號做進一步包絡(luò)解調(diào)分析,提取出輪對軸承微弱的故障特征信息。對實際輪對軸承外圈和內(nèi)圈故障信號分析的結(jié)果表明,該方法可以有效檢測出軸承微弱故障特征頻率,故障檢測效果優(yōu)于小波閾值和多尺度形態(tài)學(xué)差值濾波方法。 

【文章來源】：振動.測試與診斷. 2020,40(04)北大核心EICSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

脈沖仿真信號

不同參數(shù)下ILoG算子濾波結(jié)果

采用石家莊鐵道大學(xué)交通安全與控制河北省重點實驗室列車輪對跑合實驗臺進行輪對軸承故障試驗，如圖3所示。試驗用軸承為列車維修部門回收、軸承外圈和內(nèi)圈表面已出現(xiàn)剝落故障、軸承型號為352226X2-2RZ的雙列圓錐滾子軸承，如圖4所示。試驗中某型號鐵路貨車軸箱軸承支座上安裝有CA-YD-188型加速度傳感器，輪對轉(zhuǎn)速為465r/min，采樣頻率為fs=25 600Hz。輪對軸承的結(jié)構(gòu)參數(shù)如表1所示，通過計算，軸承外圈和內(nèi)圈故障特征頻率分別為fo=66.75Hz和fi=88.24Hz。圖4 試驗用輪對軸承外圈和內(nèi)圈故障

【參考文獻】：
期刊論文
[1]基于稀疏分解的軸承聲陣列信號特征提取[J]. 郭瑩瑩,趙學(xué)智,上官文斌,張春良.  振動.測試與診斷. 2018(04)
[2]CEEMD和小波半軟閾值相結(jié)合的滾動軸承降噪[J]. 王亞萍,匡宇麒,葛江華,許迪,孫永國.  振動.測試與診斷. 2018(01)
[3]采用高斯差分算子的拉普拉斯線繪制[J]. 張龍,吳子朝,王毅剛.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2015(10)
[4]一種確定奇異值分解降噪有效秩階次的改進方法[J]. 王建國,李健,劉穎源.  振動與沖擊. 2014(12)
[5]基于經(jīng)驗?zāi)B(tài)分解與小波閾值的MT信號去噪方法[J]. 蔡劍華,王先春,胡惟文.  石油地球物理勘探. 2013(02)
[6]基于Teager能量算子的滾動軸承故障診斷研究[J]. 王天金,馮志鵬,郝如江,褚福磊.  振動與沖擊. 2012(02)



本文編號：3317772