頻率加權(quán)能量算子（FWEO）能夠通過(guò)對(duì)信號(hào)瞬時(shí)能量的追蹤消除信號(hào)中的噪聲分量,突出故障沖擊分量,對(duì)于軸承信號(hào)的處理具有較強(qiáng)的抗干擾性,然而對(duì)強(qiáng)噪聲干擾下的信號(hào)則效果不夠理想。針對(duì)該問(wèn)題,提出將最小熵解卷積（MED）用于信號(hào)的預(yù)處理,以此消除信號(hào)采樣過(guò)程中的傳遞噪聲干擾,增強(qiáng)信噪比;而后以FWEO對(duì)處理后信號(hào)的瞬時(shí)能量進(jìn)行追蹤,從能量的角度進(jìn)行故障特征的二次增強(qiáng);最后通過(guò)包絡(luò)譜分析獲得診斷結(jié)果。仿真數(shù)據(jù)、實(shí)驗(yàn)室數(shù)據(jù)均表明所提方法能夠在受強(qiáng)噪聲干擾下的軸承故障信號(hào)中大幅消除噪聲,準(zhǔn)確提取出故障分量。 

【文章來(lái)源】：機(jī)床與液壓. 2020,48(14)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

MED-FWEO故障診斷模型

參數(shù)設(shè)置如下:a=600 Hz;fm=80 Hz;f1=2 000 Hz;fs=12 kHz。為模擬現(xiàn)實(shí)中實(shí)際測(cè)量到的信號(hào)狀態(tài),在模擬信號(hào)中添入一定量的高斯白噪聲,獲得仿真信號(hào)的時(shí)域波形如圖2(a)所示。由于添入的高斯白噪聲強(qiáng)度較大,表征著故障信息的周期性脈沖成分被淹沒(méi),在圖2(a)中已經(jīng)難以辨別故障沖擊點(diǎn)。圖2(b)為對(duì)圖2(a)進(jìn)行MED處理后的結(jié)果,可見(jiàn)經(jīng)過(guò)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(duì)于故障脈沖信息的提取產(chǎn)生了較大干擾,嚴(yán)重影響后期的故障診斷準(zhǔn)確性,因此需要對(duì)其進(jìn)行進(jìn)一步處理以增強(qiáng)其信噪比。以頻率加權(quán)能量算子追蹤圖2(b)的瞬時(shí)總能量,獲得能量譜如圖2(c)所示�？擅黠@發(fā)現(xiàn):信號(hào)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(luò)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(duì)應(yīng),即所提方法對(duì)于提取低信噪比信號(hào)的周期性脈沖信息適用性較強(qiáng)。3 實(shí)驗(yàn)數(shù)據(jù)分析

為進(jìn)一步探究所提方法在實(shí)際工況下的實(shí)用性和優(yōu)越性,擬采用實(shí)驗(yàn)室故障數(shù)據(jù)進(jìn)行分析。實(shí)驗(yàn)數(shù)據(jù)來(lái)源于美國(guó)Western Reverse University軸承數(shù)據(jù)中心[9]。如圖3所示,試驗(yàn)臺(tái)由三相電機(jī)、扭矩傳感器/編碼器、功率計(jì)和內(nèi)部控制元件組成。試驗(yàn)臺(tái)可測(cè)試SKF6205-2RS(電機(jī)驅(qū)動(dòng)端)和SKF6203-2RS(風(fēng)扇端)兩種型號(hào)的軸承。以電火花技術(shù)在軸承的內(nèi)、外圈和滾動(dòng)體中加入點(diǎn)蝕故障,尺寸分別為0.178、0.356、0.533 mm。以分別安裝于電機(jī)驅(qū)動(dòng)端、風(fēng)機(jī)端和底座上的加速度傳感器對(duì)軸承的測(cè)試狀態(tài)進(jìn)行監(jiān)控。3.1 軸承外圈故障

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



本文編號(hào)：3495073