本文關(guān)鍵詞：基于MED和SK的滾動(dòng)軸承循環(huán)沖擊特征增強(qiáng)

  更多相關(guān)文章： 共振解調(diào) 譜峭度 最小熵解卷 故障診斷

【摘要】：提出了一種融合最小熵解卷積(minimum-entropy deconvolution,簡(jiǎn)稱MED)和譜峭度(spectral kurtosis,簡(jiǎn)稱SK)的軸承循環(huán)沖擊類故障檢測(cè)方法。利用最小熵解卷積得到消噪信號(hào),若能檢測(cè)到軸承故障特征則完成診斷過程,否則對(duì)消噪信號(hào)進(jìn)行譜峭度分析選取最佳濾波器參數(shù),對(duì)濾波信號(hào)進(jìn)行二次濾波。通過包絡(luò)譜檢測(cè)確定是否存在故障及故障類型。實(shí)驗(yàn)室信號(hào)及工程案例的分析結(jié)果驗(yàn)證了該方法在檢測(cè)軸承局部故障中的有效性和優(yōu)越性。
【作者單位】： 華東交通大學(xué)機(jī)電與車輛工程學(xué)院;
【關(guān)鍵詞】： 共振解調(diào) 譜峭度 最小熵解卷 故障診斷
【基金】：國家自然科學(xué)基金資助項(xiàng)目(51665013,51265010,51205130) 江西省科協(xié)重點(diǎn)活動(dòng)資助項(xiàng)目(贛科協(xié)字[2014]154號(hào)) 江西省青年科學(xué)基金資助項(xiàng)目(20161BAB216134)
【分類號(hào)】：TH133.33
【正文快照】： 引言滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械中應(yīng)用最廣泛也最容易損壞的機(jī)械零部件之一。軸承故障會(huì)導(dǎo)致機(jī)械設(shè)備出現(xiàn)不同程度的振動(dòng)與噪聲,其運(yùn)行狀態(tài)將直接影響到整臺(tái)設(shè)備的性能[1]。因此,滾動(dòng)軸承的故障狀態(tài)監(jiān)測(cè)與診斷一直都是人們研究的重要方向[2]。在滾動(dòng)軸承故障診斷中,共振解調(diào)法是目前，

本文編號(hào)：617937