样本熵改进小波包阈值去噪的轴承故障诊断

发布时间：2021-07-20 04:14

　　为了准确诊断出轴承故障,提出了样本熵改进小波包阈值去噪算法的轴承故障诊断方法。分析了样本熵与噪声大小、数据长度、信号固有特征的关系,得出了样本熵可以很好表征噪声大小、与数据长度、信号固有特征相关性极小的结论。使用样本熵从三个方面改进了小波包阈值去噪算法:提出了自适应阈值函数,使阈值函数随噪声分布情况进行自适应调整;以噪声信号样本熵值最大为依据,提出了最优阈值估计方法,使阈值随噪声大小自适应调整;以相邻分解层数的样本熵均值差值为依据,提出了分解层数确定方法。将样本熵改进小波包阈值去噪算法应用于轴承故障信号去噪中,去噪信号功率谱中轴承转动频率及倍频、外圈故障特征频率及倍频、两者的调制频率显露明显,能够明确判处出轴承为外圈故障,体现了极好的去噪效果。 

【文章来源】：组合机床与自动化加工技术. 2020,(01)北大核心

【文章页数】：5 页

【部分图文】：

y(t)的时域波形

样本熵随噪声标准差的变化曲线如图2所示。由图2可以看出,样本熵与噪声标准差成正相关,且在标准差[0,3]区域内斜率变化不大,说明噪声标准差变化时,熵值区分明显,可以使用样本熵对噪声大小进行表征。

以图1所示的y(t)信号为有用信号,在其中加入标准差为1的高斯白噪声,样本熵值随数据长度的变化曲线如图3所示。由图3可以看出,当数据长度大于100时,样本熵值趋于稳定,受数据长度影响极小,说明样本熵适用于分析不同长度的时间序列。

【参考文献】：
期刊论文
[1]基于AFSA-SVM的滚动轴承故障诊断研究[J]. 姬盛飞,王丽君,吉南阳.  组合机床与自动化加工技术. 2019(01)
[2]含外圈故障的高速列车轴承转子系统非线性动力学行为分析[J]. 刘永强,王宝森,杨绍普.  机械工程学报. 2018(08)
[3]基于小波包分解与权重包络谱的滚动轴承故障特征增强[J]. 陈慧,胡俊锋,熊国良.  机械设计与研究. 2017(03)
[4]基于EEMD的样本熵的滚动轴承AP聚类故障诊断[J]. 许凡,方彦军,孔政敏.  仪表技术与传感器. 2017(06)
[5]一种基于改进阈值函数的小波阈值降噪算法[J]. 倪培峰,胡雄.  电子技术应用. 2016(08)
[6]自适应分解层数的小波域中值滤波振动信号降噪法[J]. 滕军,朱焰煌,周峰,李惠,欧进萍.  振动与冲击. 2009(12)



本文编号：3292107