本文關(guān)鍵詞：基于LMD和MED的滾動(dòng)軸承故障特征提取方法

  更多相關(guān)文章： 軸承 故障診斷 最小熵反褶積 局域均值分解 特征提取

【摘要】：機(jī)械系統(tǒng)所拾取的振動(dòng)信號(hào)包含著許多復(fù)雜的信息成分,微弱故障信號(hào)的提取往往會(huì)受到這些成分的影響,故障識(shí)別非常困難,尤其是滾動(dòng)體故障識(shí)別,往往比內(nèi)圈和外圈故障識(shí)別更困難。提出局域均值分解(local mean decomposition,LMD)與最小熵反褶積(minimum entropy deconvolution,MED)結(jié)合的方式,提取強(qiáng)噪聲、強(qiáng)確定性成分下微弱故障信號(hào)的特征。先用LMD對(duì)信號(hào)做預(yù)處理,自適應(yīng)地分解為若干個(gè)乘積函數(shù)(product function,PF)分量,再對(duì)前4個(gè)PF分量做MED處理以放大故障脈沖特征,最后對(duì)MED處理后的信號(hào)進(jìn)行包絡(luò)分析。通過對(duì)強(qiáng)噪聲背景下滾動(dòng)軸承滾動(dòng)體的故障實(shí)例分析,該方法得到的輸出頻譜故障特征頻率處峰值與200 Hz內(nèi)所有峰值均值的比值較原信號(hào)的增加了96.4%,同時(shí)信噪比提高了18.3%,成功地提取了故障特征,取得了良好的效果,該研究可為強(qiáng)噪聲環(huán)境下軸承故障識(shí)別和診斷提供參考。
【作者單位】： 中國(guó)礦業(yè)大學(xué)化工學(xué)院;徐州工程學(xué)院江蘇省大型工程裝備檢測(cè)與控制重點(diǎn)建設(shè)實(shí)驗(yàn)室;
【關(guān)鍵詞】： 軸承 故障診斷 最小熵反褶積 局域均值分解 特征提取
【基金】：江蘇省大型工程裝備檢測(cè)與控制重點(diǎn)建設(shè)實(shí)驗(yàn)室開放課題(JSKLEDC201402) 江蘇省科技支撐計(jì)劃(BE2013038)
【分類號(hào)】：TH133.33
【正文快照】： 2.徐州工程學(xué)院江蘇省大型工程裝備檢測(cè)與控制重點(diǎn)建設(shè)實(shí)驗(yàn)室,徐州221111)周士帥,竇東陽(yáng),薛斌.基于LMD和MED的滾動(dòng)軸承故障特征提取方法[J].農(nóng)業(yè)工程學(xué)報(bào),2016,32(23):70-76.doi:10.11975/j.issn.1002-6819.2016.23.010 http://www.tcsae.orgZhou Shishuai,Dou Dongyang,Xue B

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 胡建忠;黃夢(mèng);尹曉利;劉振興;范成洲;;基于形態(tài)小波變換與EMD的齒輪多重故障特征提取方法[J];裝甲兵工程學(xué)院學(xué)報(bào);2014年02期

2 ;[J];;年期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前5條

1 代士超;滾動(dòng)軸承外圈故障機(jī)理建模及雙沖擊特征提取方法的研究[D];昆明理工大學(xué);2015年

2 孫美巖;基于振動(dòng)信號(hào)的滾動(dòng)軸承故障特征提取研究[D];東北石油大學(xué);2015年

3 陳剛;特征優(yōu)化方法研究及其在軸承故障診斷中的應(yīng)用[D];上海交通大學(xué);2015年

4 裴愛嶺;滾動(dòng)軸承故障特征提取方法研究[D];沈陽(yáng)航空航天大學(xué);2015年

5 尹芳莉;強(qiáng)沖擊下變速箱滾動(dòng)軸承故障特征提取及狀態(tài)評(píng)估研究[D];中南大學(xué);2014年

，

本文編號(hào)：564751