針對(duì)煉鐵廠除塵風(fēng)機(jī)服役在高溫、高濕、多粉塵的惡劣環(huán)境下以及強(qiáng)背景噪聲的復(fù)雜工況造成其驅(qū)動(dòng)側(cè)滾動(dòng)軸承振動(dòng)信號(hào)具有強(qiáng)非線性、強(qiáng)調(diào)制的特點(diǎn),致使其故障特征頻率難提取、難辨識(shí)的問(wèn)題,融合變分模態(tài)分解(Variational Mode Decomposition,VMD)與最大相關(guān)峭度解卷積(Maximum Correlated Kurtosis Deconvolution,MCKD)實(shí)現(xiàn)了對(duì)除塵風(fēng)機(jī)滾動(dòng)軸承振動(dòng)信號(hào)的降噪、故障特征頻率的提取,并通過(guò)包絡(luò)解調(diào)方法完成了故障的識(shí)別。

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

圖1除塵風(fēng)機(jī)驅(qū)動(dòng)側(cè)軸承振動(dòng)故障診斷流程

首先，搭建測(cè)試系統(tǒng)測(cè)取滾動(dòng)軸承的振動(dòng)信號(hào);其次，將滾動(dòng)軸承的振動(dòng)信號(hào)經(jīng)由VMD分解，獲得若干個(gè)IMF分量;然后，借助于MCKD對(duì)上述各IMF進(jìn)行濾波來(lái)凸顯不同頻段內(nèi)隱含的故障成份;最后，將上述隱含的故障分量進(jìn)行包絡(luò)解調(diào)，綜合研判確定故障的類(lèi)型及程度。具體流程如圖1所示。4現(xiàn)場(chǎng)驗(yàn)....

圖2除塵風(fēng)機(jī)驅(qū)動(dòng)側(cè)軸承振動(dòng)數(shù)據(jù)采集系統(tǒng)

為驗(yàn)證所提方法的有效性，在生產(chǎn)現(xiàn)場(chǎng)基于LMSTest.Lab采集儀及工作站搭建除塵風(fēng)機(jī)驅(qū)動(dòng)側(cè)滾動(dòng)軸承的測(cè)試系統(tǒng)(圖2)。除塵風(fēng)機(jī)驅(qū)動(dòng)側(cè)滾動(dòng)軸承的型號(hào)及參數(shù)如表1所示。試驗(yàn)前，將2支PCB的356A16型傳感器分別通過(guò)磁座吸附在軸承座的徑向的水平與垂直2個(gè)位置上，傳感器通過(guò)6m....

圖3除塵風(fēng)機(jī)驅(qū)動(dòng)側(cè)滾動(dòng)軸承振動(dòng)信號(hào)時(shí)域波形

分析時(shí)，截取如圖3所示的一段長(zhǎng)度為1s、采樣點(diǎn)數(shù)為5120個(gè)的滾動(dòng)軸承振動(dòng)時(shí)域波形，對(duì)其進(jìn)行傅里葉變換獲得圖4所示的頻域圖，發(fā)現(xiàn)很難找到故障信息。由于故障特征頻率被噪聲背景淹沒(méi)致使在圖4頻譜中無(wú)法找到任何相近特征頻率。對(duì)此，利用本文所提方法將該信號(hào)經(jīng)由VMD分解求取信號(hào)的6組....

圖4除塵風(fēng)機(jī)驅(qū)動(dòng)側(cè)滾動(dòng)軸承振動(dòng)信號(hào)頻域波形

圖3除塵風(fēng)機(jī)驅(qū)動(dòng)側(cè)滾動(dòng)軸承振動(dòng)信號(hào)時(shí)域波形圖5經(jīng)VMD分解后各IMF分量

本文編號(hào)：3953275