針對滾動軸承故障振動信號難以提取出準確的故障特征的問題,提出了一種基于小波新閾值降噪與互補集合經(jīng)驗模態(tài)分解（CEEMD）的軸承故障診斷方法。該方法充分結(jié)合了以上2種方法的優(yōu)點,有效地解決了故障特征提取難的問題。首先構(gòu)建出新的小波閾值函數(shù),再用此小波閾值降噪,可以有效地消除背景噪聲的影響;將降噪后的故障信號用CEEMD方法進行處理,然后重構(gòu)根據(jù)信號的相關(guān)系數(shù)挑選出的相關(guān)性較大的分量;最后將重構(gòu)信號進行Hilbert變換包絡(luò),從包絡(luò)圖中提取故障特征。運用此方法對軸承進行試驗分析,結(jié)果證實了該方法的有效性和實用性。 

【文章來源】：煤礦機械. 2020,41(03)北大核心

【文章頁數(shù)】：3 頁

【部分圖文】：

各個閾值函數(shù)圖像

小波新閾值降噪流程如圖2所示，在確定小波基之后，導入原信號，使用確定的小波基進行分解，先從第1層開始，分解之后的小波系數(shù)用新的閾值函數(shù)進行降噪處理、重構(gòu)，計算其信噪比SNR1。分解層數(shù)加1，繼續(xù)計算不同分解層數(shù)的信噪比，直至找出信噪比最大的層數(shù)，確定為效果最好的分解層數(shù)。2 閾值降噪仿真分析

由表1可知，新閾值降噪后的信噪比最高，均方根誤差最低。由圖3可知，硬閾值降噪后的信號波形毛刺和尖峰很明顯，軟閾值降噪后還是存在較大的突變，新閾值降噪后以上問題都得到了明顯改善。由此可以看出，新閾值的降噪效果比其他2種降噪方法要好，驗證了此小波新閾值函數(shù)降噪的先進性及有效性。3 CEEMD

【參考文獻】：
期刊論文
[1]基于包絡(luò)譜分析的滾動軸承故障診斷方法研究[J]. 倪安福.  煤礦機械. 2017(02)
[2]基于EEMD的齒輪故障診斷方法研究[J]. 柴保明,趙志強,吳治南,董強強,陳景禮.  煤礦機械. 2014(11)
[3]基于小波閾值去噪算法的研究[J]. 張蓮,秦華峰,余成波.  計算機工程與應用. 2008(09)

碩士論文
[1]基于小波分析的軸承故障診斷系統(tǒng)的研制及應用[D]. 鄭慶標.北京交通大學 2018



本文編號：3141104