頻率加權能量算子（FWEO）能夠通過對信號瞬時能量的追蹤消除信號中的噪聲分量,突出故障沖擊分量,對于軸承信號的處理具有較強的抗干擾性,然而對強噪聲干擾下的信號則效果不夠理想。針對該問題,提出將最小熵解卷積（MED）用于信號的預處理,以此消除信號采樣過程中的傳遞噪聲干擾,增強信噪比;而后以FWEO對處理后信號的瞬時能量進行追蹤,從能量的角度進行故障特征的二次增強;最后通過包絡譜分析獲得診斷結(jié)果。仿真數(shù)據(jù)、實驗室數(shù)據(jù)均表明所提方法能夠在受強噪聲干擾下的軸承故障信號中大幅消除噪聲,準確提取出故障分量。 

【文章來源】：機床與液壓. 2020,48(14)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

MED-FWEO故障診斷模型

參數(shù)設置如下:a=600 Hz;fm=80 Hz;f1=2 000 Hz;fs=12 kHz。為模擬現(xiàn)實中實際測量到的信號狀態(tài),在模擬信號中添入一定量的高斯白噪聲,獲得仿真信號的時域波形如圖2(a)所示。由于添入的高斯白噪聲強度較大,表征著故障信息的周期性脈沖成分被淹沒,在圖2(a)中已經(jīng)難以辨別故障沖擊點。圖2(b)為對圖2(a)進行MED處理后的結(jié)果,可見經(jīng)過處理后,圖2(a)中的噪聲成分已經(jīng)得到極大程度的消除,周期性脈沖成分得以體現(xiàn),然而帶內(nèi)噪聲依然存在,且對于故障脈沖信息的提取產(chǎn)生了較大干擾,嚴重影響后期的故障診斷準確性,因此需要對其進行進一步處理以增強其信噪比。以頻率加權能量算子追蹤圖2(b)的瞬時總能量,獲得能量譜如圖2(c)所示�？擅黠@發(fā)現(xiàn):信號中的噪聲成分在能量的角度被大幅壓制,周期性脈沖成分愈加突出,信噪分離效果更加優(yōu)異。圖2(d)所示包絡譜中地毯噪聲干擾較小,譜線峰值成分和故障特征頻率理論值一一對應,即所提方法對于提取低信噪比信號的周期性脈沖信息適用性較強。3 實驗數(shù)據(jù)分析

為進一步探究所提方法在實際工況下的實用性和優(yōu)越性,擬采用實驗室故障數(shù)據(jù)進行分析。實驗數(shù)據(jù)來源于美國Western Reverse University軸承數(shù)據(jù)中心[9]。如圖3所示,試驗臺由三相電機、扭矩傳感器/編碼器、功率計和內(nèi)部控制元件組成。試驗臺可測試SKF6205-2RS(電機驅(qū)動端)和SKF6203-2RS(風扇端)兩種型號的軸承。以電火花技術在軸承的內(nèi)、外圈和滾動體中加入點蝕故障,尺寸分別為0.178、0.356、0.533 mm。以分別安裝于電機驅(qū)動端、風機端和底座上的加速度傳感器對軸承的測試狀態(tài)進行監(jiān)控。3.1 軸承外圈故障

【參考文獻】：
期刊論文
[1]強噪聲背景下頻率加權能量算子和變分模態(tài)分解在軸承故障提取中的應用[J]. 徐元博,蔡宗琰,胡永彪,丁凱.  振動工程學報. 2018(03)
[2]基于聲音信號Teager能量算子解調(diào)的輪對軸承故障檢測[J]. 劉晶,胡俊鋒,熊國良,張龍.  機床與液壓. 2018(07)
[3]基于EMD和支持向量機的滾動軸承故障診斷研究[J]. 付大鵬,翟勇,于青民.  機床與液壓. 2017(11)
[4]基于改進奇異譜分解的形態(tài)學解調(diào)方法及其在滾動軸承故障診斷中的應用[J]. 鄢小安,賈民平.  機械工程學報. 2017(07)
[5]基于SK-NLM包絡的滾動軸承故障沖擊特征增強[J]. 熊國良,胡俊鋒,陳慧,張龍.  儀器儀表學報. 2016(10)
[6]一種譜峭度和Morlet小波的滾動軸承微弱故障診斷方法[J]. 丁康,黃志東,林慧斌.  振動工程學報. 2014(01)



本文編號：3495073