本文關(guān)鍵詞：最小熵反褶積的數(shù)學(xué)形態(tài)法在滾動軸承故障特征提取中的應(yīng)用

  更多相關(guān)文章： 最小熵反褶積 數(shù)學(xué)形態(tài) 故障診斷 滾動軸承

【摘要】：針對強(qiáng)噪聲背景下滾動軸承故障特征提取,提出了基于最小熵反褶積的數(shù)學(xué)形態(tài)法。該方法先應(yīng)用最小熵反褶積算法加強(qiáng)信號中的沖擊特性,再利用數(shù)學(xué)形態(tài)法進(jìn)行故障特征提取,其中選取具有雙向脈沖提取能力的DIF濾波器作為形態(tài)算子,并以峭度值作為結(jié)構(gòu)元素長度選取依據(jù)。仿真信號和滾動軸承的內(nèi)外故障實例分析表明該方法具有較好的特征提取效果。通過對比發(fā)現(xiàn):最小熵反褶積算法能夠增大信號中峭度值,有效加強(qiáng)信號脈沖特性。
【作者單位】： 華中科技大學(xué);南昌航空大學(xué);
【關(guān)鍵詞】： 最小熵反褶積 數(shù)學(xué)形態(tài) 故障診斷 滾動軸承
【基金】：國家自然科學(xué)基金資助項目(51379080,AA201406168)
【分類號】：TH133.33
【正文快照】： 0引言滾動軸承是旋轉(zhuǎn)機(jī)械中最常用的通用零部件之一,同時也是最易損的零件。根據(jù)統(tǒng)計,旋轉(zhuǎn)機(jī)械的故障中有30%是由軸承故障引起的,因此它的工作狀態(tài)對機(jī)器運(yùn)行具有巨大的影響[1]。當(dāng)故障點(diǎn)出現(xiàn)在軸承的內(nèi)外圈及滾動體上時,周期性脈沖會產(chǎn)生。而且這些脈沖信號的頻寬范圍常常覆，

本文編號：714312