為解決振動(dòng)機(jī)械故障診斷中如何更有效地在復(fù)雜信號(hào)中提取有用的故障信號(hào)的問題,提出了一種優(yōu)良降噪算法。先將原始信號(hào)用小波包降噪,對(duì)降噪后的信號(hào)進(jìn)行EEMD分解,然后將分解得到的固有模態(tài)分量（IMF）構(gòu)建不同的帶通濾波器,利用算法逼近度指標(biāo)和相關(guān)系數(shù)建立優(yōu)良降噪算法的判斷準(zhǔn)則,以此來選擇最優(yōu)的濾波器組合。對(duì)振動(dòng)篩軸承信號(hào)進(jìn)行仿真,用新算法處理仿真信號(hào),結(jié)果顯示,故障信號(hào)被保留下來,其他信號(hào)均被濾除。同時(shí)用該降噪算法分析了實(shí)測振動(dòng)篩軸承信號(hào),所得的結(jié)果合理有效。 

【文章來源】：機(jī)械設(shè)計(jì)與制造. 2020,(05)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

小波包3層分解樹

軸承的數(shù)據(jù)包括電動(dòng)機(jī)產(chǎn)生的工頻信號(hào)，外圈點(diǎn)蝕產(chǎn)生的周期性沖擊信號(hào)，還有系統(tǒng)產(chǎn)生的噪聲干擾。仿真信號(hào)使用周期為16.7HZ的正弦信號(hào)s1來代替振動(dòng)篩工頻信號(hào)；gauspuls脈沖分量s2來代替軸承外圈點(diǎn)蝕產(chǎn)生的沖擊信號(hào)；標(biāo)準(zhǔn)差為0.1的白噪聲代替原始信號(hào)中的噪聲干擾。信號(hào)在測量當(dāng)中還會(huì)產(chǎn)生系統(tǒng)誤差，這里不予考慮。以上三種信號(hào)構(gòu)成了原始信號(hào)s。首先對(duì)原始信號(hào)進(jìn)行小波包降噪處理，處理的時(shí)域圖，如圖2、圖3所示�？梢钥闯鲂〔ò翟肴コ舜蟛糠值陌自肼暩蓴_。接下來對(duì)軸承信號(hào)進(jìn)行EEMD分解得到了15個(gè)IMF分量，以及一個(gè)余項(xiàng)，分解得到的分量，如圖4所示。

首先對(duì)原始信號(hào)進(jìn)行小波包降噪處理，處理的時(shí)域圖，如圖2、圖3所示�？梢钥闯鲂〔ò翟肴コ舜蟛糠值陌自肼暩蓴_。接下來對(duì)軸承信號(hào)進(jìn)行EEMD分解得到了15個(gè)IMF分量，以及一個(gè)余項(xiàng)，分解得到的分量，如圖4所示。圖4 經(jīng)EEMD分解得到的模態(tài)分量

【參考文獻(xiàn)】：
期刊論文
[1]基于小波包與改進(jìn)EMD的輪軌力信號(hào)降噪[J]. 張緒景,雷曉燕,劉慶杰.  噪聲與振動(dòng)控制. 2016(05)
[2]基于CEEMDAN小波包的MEMS水聽器信號(hào)去噪[J]. 赫彬,白艷萍.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2016(13)
[3]基于EEMD的高速列車橫向減振器故障的排列熵特征分析[J]. 吳志丹,秦娜,金煒東.  計(jì)算機(jī)科學(xué). 2016(05)
[4]改進(jìn)的EEMD算法及其應(yīng)用研究[J]. 鄭近德,程軍圣,楊宇.  振動(dòng)與沖擊. 2013(21)
[5]基于EMMD分解的滾動(dòng)軸承故障診斷[J]. 張超,陳建軍,郭迅,魏永祥.  機(jī)械強(qiáng)度. 2012(05)
[6]基于相關(guān)系數(shù)的EEMD轉(zhuǎn)子振動(dòng)信號(hào)降噪方法[J]. 陳仁祥,湯寶平,呂中亮.  振動(dòng).測試與診斷. 2012(04)
[7]滾動(dòng)軸承故障的EMD診斷方法研究[J]. 高強(qiáng),杜小山,范虹,孟慶豐.  振動(dòng)工程學(xué)報(bào). 2007(01)
[8]基于自適應(yīng)濾波的滾動(dòng)軸承故障診斷研究[J]. 孫暉,朱善安.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2005(11)



本文編號(hào)：3450520