角度頭是數(shù)控機(jī)床必不可少的加工附件,由于長(zhǎng)期處于惡劣的加工工況下,極易受到損壞。采集角度頭的振動(dòng)信號(hào)時(shí),環(huán)境中大量的隨機(jī)噪聲會(huì)湮沒故障特征信息,從而造成角度頭故障特征提取困難。針對(duì)此問題,提出了一種基于總體平均經(jīng)驗(yàn)?zāi)B(tài)分解（ensemble empirical mode decomposition, EEMD）及自相關(guān)的雙重降噪方法。該方法采用自相關(guān)濾波方法對(duì)振動(dòng)信號(hào)進(jìn)行降噪預(yù)處理,再對(duì)降噪后的信號(hào)進(jìn)行EEMD分解,隨后采用遺傳算法對(duì)EEMD輸入?yún)?shù)優(yōu)化,依據(jù)相關(guān)峭度系數(shù)準(zhǔn)則篩選分解得到的固有模態(tài)函數(shù)（intrinsic mode function, IMF）分量進(jìn)行信號(hào)重構(gòu)。最后,對(duì)重構(gòu)信號(hào)進(jìn)行時(shí)頻分析,提取角度頭故障特征。對(duì)仿真和實(shí)測(cè)信號(hào)分析的結(jié)果表明,本文方法能夠有效抑制噪聲干擾,可準(zhǔn)確提取到角度頭的故障特征信息,為機(jī)床角度頭的故障診斷提供依據(jù)。 

【文章來(lái)源】：北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,47(05)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

故障角度頭原始波形圖和頻譜圖

表2 各IMF分量的相關(guān)峭度系數(shù)Table 2 Kurtosis correlation coefficients of IMFs IMFs 相關(guān)峭度系數(shù) 1 3.57 2 6.83 3 2.97 4 0.27 5 0.80 6 0.07 7 0.03 8 0.01從故障角度頭的原始頻譜中可以看出,故障角度頭振動(dòng)信號(hào)的能量主要集中在1 kHz左右的頻域內(nèi),因此需要對(duì)重構(gòu)信號(hào)的高頻譜進(jìn)一步分析。重構(gòu)信號(hào)的高頻譜如圖7所示。由圖7可以看出,1 075 Hz成分最為突出,幅值遠(yuǎn)高于正常水平,1 075 Hz是轉(zhuǎn)頻的43倍頻且伴有明顯的邊頻帶,這與發(fā)生局部異常故障的齒輪信號(hào)特征相吻合,因此推斷故障角度頭內(nèi)部齒輪可能存在裂紋、斷齒、嚴(yán)重磨損或輪齒變形等故障。

從故障角度頭的原始頻譜中可以看出,故障角度頭振動(dòng)信號(hào)的能量主要集中在1 kHz左右的頻域內(nèi),因此需要對(duì)重構(gòu)信號(hào)的高頻譜進(jìn)一步分析。重構(gòu)信號(hào)的高頻譜如圖7所示。由圖7可以看出,1 075 Hz成分最為突出,幅值遠(yuǎn)高于正常水平,1 075 Hz是轉(zhuǎn)頻的43倍頻且伴有明顯的邊頻帶,這與發(fā)生局部異常故障的齒輪信號(hào)特征相吻合,因此推斷故障角度頭內(nèi)部齒輪可能存在裂紋、斷齒、嚴(yán)重磨損或輪齒變形等故障。綜合以上分析,診斷故障角度頭的齒輪局部存在嚴(yán)重磨損或輪齒變形等異常故障,致使角度頭產(chǎn)生劇烈的沖擊振動(dòng)。同時(shí),存在軸承保持架損傷故障,使?jié)L動(dòng)軸承產(chǎn)生異常振動(dòng)信號(hào),因?yàn)楣收项l率的幅值較高,所以推斷保持架已致軸承內(nèi)外圈磨損。

【參考文獻(xiàn)】：
期刊論文
[1]基于ReliefF-PCA和SVM的發(fā)動(dòng)機(jī)故障診斷方法研究[J]. 朱麗娜,王學(xué)杰,張進(jìn)杰.  北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[2]基于EMD和PCA的滾動(dòng)軸承故障信號(hào)特征提取研究[J]. 張穎,馬波,張明,楊魯偉,楊俊玲.  機(jī)電工程. 2015(10)
[3]角度頭在發(fā)動(dòng)機(jī)薄壁鋼機(jī)匣件加工中的應(yīng)用[J]. 梁松山,李克,孫世偉.  航空制造技術(shù). 2015(12)
[4]基于峭度準(zhǔn)則EEMD及改進(jìn)形態(tài)濾波方法的軸承故障診斷[J]. 吳小濤,楊錳,袁曉輝,龔?fù)?  振動(dòng)與沖擊. 2015(02)

碩士論文
[1]基于EEMD的滾動(dòng)軸承微弱故障特征提取方法研究[D]. 王少君.石家莊鐵道大學(xué) 2016
[2]改進(jìn)的EEMD分析方法及其在故障診斷中的應(yīng)用[D]. 王玉龍.天津大學(xué) 2016



本文編號(hào)：3543887