本文關(guān)鍵詞：基于雙時(shí)域微弱故障特征增強(qiáng)的軸承早期故障智能識(shí)別

  更多相關(guān)文章： 滾動(dòng)軸承 早期故障診斷 雙時(shí)域變換 脈沖耦合神經(jīng)網(wǎng)路

【摘要】：針對(duì)軸承早期微弱故障難以準(zhǔn)確識(shí)別的問題,提出一種基于雙時(shí)域微弱故障特征增強(qiáng)的軸承早期故障智能識(shí)別方法。利用廣義S變換和Fourier逆變換推導(dǎo)出一種雙時(shí)域變換,將軸承振動(dòng)信號(hào)變換為雙時(shí)域二維時(shí)間序列。根據(jù)雙時(shí)域變換的能量分布特點(diǎn),提取二維時(shí)間序列的主對(duì)角元素以構(gòu)建故障特征增強(qiáng)的時(shí)域振動(dòng)信號(hào)。仿真信號(hào)和軸承故障信號(hào)分析驗(yàn)證了雙時(shí)域微弱故障特征增強(qiáng)的可行性和有效性。采用脈沖耦合神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)對(duì)增強(qiáng)后的軸承信號(hào)進(jìn)行時(shí)頻特征參數(shù)提取和智能識(shí)別,平均識(shí)別精度達(dá)到了95.4%。試驗(yàn)結(jié)果表明所提方法能有效提高軸承早期故障的智能識(shí)別精度。
【作者單位】： 軍械工程學(xué)院車輛與電氣工程系;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(E51205405,51305454)
【分類號(hào)】：TH133.3
【正文快照】： 0前言*滾動(dòng)軸承是機(jī)械設(shè)備中常見的部件之一,其健康狀態(tài)好壞直接影響設(shè)備整機(jī)性能的發(fā)揮。大量研究表明,振動(dòng)信號(hào)分析是軸承故障診斷最有效的方法之一[1]。然而在軸承狀態(tài)發(fā)生變化初期,軸承故障特征微弱,常常淹沒在其他運(yùn)動(dòng)部件、機(jī)體振動(dòng)信號(hào)和背景噪聲當(dāng)中,導(dǎo)致傳統(tǒng)的包絡(luò)譜

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 楊建剛;;旋轉(zhuǎn)機(jī)械摩擦故障特征的多重性分析[J];電力設(shè)備;2007年10期

2 秦文娟;張駿;寧寧;;基于多類別信息量的模糊Petri網(wǎng)故障推理策略[J];計(jì)算機(jī)測(cè)量與控制;2008年07期

3 梅檢民;陳祥龍;肖云魁;楊萬成;喬龍;;基于穩(wěn)健全息階比譜提取微弱故障特征[J];振動(dòng)與沖擊;2012年12期

4 馬輝;孫偉;王學(xué)軍;聞邦椿;;轉(zhuǎn)子系統(tǒng)松動(dòng)故障特征分析[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

5 李鋒;王家序;楊榮松;;有監(jiān)督不相關(guān)正交局部保持映射故障辨識(shí)[J];儀器儀表學(xué)報(bào);2013年05期

6 邵毅敏;周曉君;歐家福;陳再剛;周本學(xué);;增強(qiáng)型濾波及沖擊性機(jī)械故障特征的提取[J];機(jī)械工程學(xué)報(bào);2009年04期

7 曲佳;興成宏;李迎麗;李r，

本文編號(hào)：1146311