針對(duì)在高強(qiáng)度噪聲環(huán)境下的軸承故障信號(hào)難以檢測(cè)的問題,提出一種利用形變周期勢(shì)系統(tǒng)(DPPS)的軸承故障診斷方法。該方法首先將摻雜噪聲的故障信號(hào)輸入DPPS中,組成以DPPS為核心的隨機(jī)共振(SR)系統(tǒng);然后,以功率譜放大倍數(shù)(SPA)和幅度響應(yīng)為測(cè)度指標(biāo)來量化DPPS軸承故障診斷方法對(duì)軸承故障特征信號(hào)的增強(qiáng)效果,通過矩量法和概率流方法推導(dǎo)SPA和幅度響應(yīng)的解析式,得到當(dāng)SPA和幅度響應(yīng)最大時(shí)的DPPS診斷方法的最優(yōu)設(shè)置參數(shù);最后,在相同條件下,將該診斷方法應(yīng)用于軸承內(nèi)外圈故障診斷,并與新型冪指三穩(wěn)勢(shì)系統(tǒng)(NCETS)軸承故障診斷方法作對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,DPPS軸承故障診斷方法能夠利用噪聲的能量分別將內(nèi)外圈故障特征頻率的功率譜幅值提高至1 950和2 950 W/Hz,從而可以在功率譜中輕易識(shí)別,進(jìn)而斷定軸承的內(nèi)外圈出現(xiàn)了故障,而NCETS故障診斷方法僅能分別提高至359.2和575.6 W/Hz,證明了采用DPPS的軸承故障診斷方法的有效性和先進(jìn)性。
【部分圖文】：

DPPS系統(tǒng)的SPA隨Dβ的演化曲線

式中：r、c、m、p為勢(shì)函數(shù)U(x,r）的形變系數(shù)；W(r）為U(x,r）的分類系數(shù)，當(dāng)W(r)=(1-r)2時(shí)，U(x,r）為正弦型對(duì)稱周期勢(shì)（SSPP），當(dāng)W(r)=(1-r2)2時(shí)，U(x,r）為正弦型非對(duì)稱周期勢(shì)（SAPP），當(dāng)W(r)=(1-r)4時(shí)，U(x,r）為對(duì)稱雙穩(wěn)態(tài)型周期勢(shì)（SBPP）。當(dāng)m=p=1,c=-1,r=0.1時(shí)，DPPS的三類勢(shì)函數(shù)的具體結(jié)構(gòu)如圖1所示。1.2 SR機(jī)理分析

設(shè)置ε（t)=0.01cos(0.02πt）β（t),m=p=1,c=-1,r=0.1。圖2、圖3分別為DPPS的SPA隨著Dξ和Dβ變化的理論曲線和數(shù)值模擬曲線，可見SPA隨著Dξ和Dβ的增加呈現(xiàn)單峰趨勢(shì)，表明DPPS發(fā)生了SR現(xiàn)象。對(duì)比分類勢(shì)函數(shù)可見，SAPP的峰值最高，SBPP次之，SSPP的峰值最低，說明勢(shì)阱的非對(duì)稱性和勢(shì)壘高度的降低能增強(qiáng)系統(tǒng)的SR效應(yīng)。SPA的理論值曲線和模擬值曲線基本吻合，證明了理論推導(dǎo)的正確性。圖3 DPPS系統(tǒng)的SPA隨Dβ的演化曲線
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李云朋;熊柳景;牛剛;;嵌入式軸承故障診斷系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];國(guó)外電子測(cè)量技術(shù);2019年11期

2 邵巖;盧迪;楊廣學(xué);;分?jǐn)?shù)階傅里葉變換在軸承故障診斷中的應(yīng)用[J];哈爾濱理工大學(xué)學(xué)報(bào);2017年03期

3 于巖;許繼秀;張夢(mèng)超;石浩;;小波分析和小波包分析在軸承故障診斷中的對(duì)比分析[J];煤礦機(jī)械;2019年12期

4 楊炎炎;;軸承故障診斷措施研究[J];現(xiàn)代農(nóng)機(jī);2020年03期

5 祝道強(qiáng);周新志;寧芊;;變負(fù)載軸承故障診斷卷積神經(jīng)網(wǎng)絡(luò)模型[J];科學(xué)技術(shù)與工程;2020年15期

6 沙美妤;劉利國(guó);;基于振動(dòng)信號(hào)的軸承故障診斷技術(shù)綜述[J];軸承;2015年09期

7 歐陽承達(dá);張軍;趙紅梅;;模糊控制系統(tǒng)模型在軸承故障診斷中的應(yīng)用[J];工程技術(shù)研究;2020年10期

8 唐波;陳慎慎;;基于深度卷積神經(jīng)網(wǎng)絡(luò)的軸承故障診斷方法[J];電子測(cè)量與儀器學(xué)報(bào);2020年03期

9 袁洪芳;姜宇萱;王華慶;;基于詞袋模型和極限學(xué)習(xí)機(jī)的軸承故障診斷[J];測(cè)控技術(shù);2017年02期

10 劉琦;;基于小波分析的軸承故障診斷研究[J];煤;2013年07期

相關(guān)博士學(xué)位論文 前3條

1 胡永濤;基于多特征融合及深度信念網(wǎng)絡(luò)的軸承故障診斷[D];燕山大學(xué);2017年

2 王雷;基于流形學(xué)習(xí)的滾動(dòng)軸承故障診斷若干方法研究[D];大連理工大學(xué);2013年

3 周俊;機(jī)械故障信號(hào)欠定源估計(jì)與盲提取方法研究[D];昆明理工大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 王蕾蕾;基于深度自編碼網(wǎng)絡(luò)的軸承故障診斷研究[D];華北電力大學(xué);2019年

2 李妍;基于改進(jìn)極限學(xué)習(xí)機(jī)的軸承故障診斷方法研究[D];西安科技大學(xué);2019年

3 彭劉陽;基于振動(dòng)信號(hào)的滾動(dòng)軸承故障診斷與狀態(tài)識(shí)別方法研究[D];中國(guó)礦業(yè)大學(xué);2019年

4 董德億;基于輸出信號(hào)相關(guān)性分析的軸承故障診斷方法[D];杭州電子科技大學(xué);2018年

5 徐劍濤;基于極點(diǎn)對(duì)稱模態(tài)分解及改進(jìn)支持向量機(jī)的軸承故障診斷[D];燕山大學(xué);2018年

6 齊申武;基于振動(dòng)信號(hào)分析的滾動(dòng)軸承故障診斷及壽命預(yù)測(cè)研究[D];燕山大學(xué);2018年

7 黃陽;基于振動(dòng)信號(hào)降噪與分解的軸承故障診斷研究[D];西安理工大學(xué);2018年

8 黃建新;多傳感器數(shù)據(jù)融合技術(shù)在軸承故障診斷中的應(yīng)用研究[D];武漢理工大學(xué);2006年

9 高冠琪;時(shí)頻擠壓階比方法及其變轉(zhuǎn)速軸承故障診斷研究[D];蘇州大學(xué);2019年

10 葉友誼;基于優(yōu)化支持向量機(jī)的滾動(dòng)軸承故障診斷[D];福州大學(xué);2014年

本文編號(hào)：2849192