基于稀疏表征时频分析方法的滚动轴承故障特征提取
本文关键词：基于稀疏表征时频分析方法的滚动轴承故障特征提取 出处：《机械设计与研究》2017年05期 论文类型：期刊论文
【摘要】：传统时频分析方法可以同时在时、频域反映滚动轴承的故障特征,然而故障信号中的噪声干扰会模糊故障特征在时频分布上的清晰表示。稀疏表征方法可以通过稀疏的原子来表达原始信号,其某些类型的原子在时频域上的聚集是其进行时频分析的良好特性。相比于STFT,基于稀疏原子重构的信号时频分布具有更好的分辨率;相比于WVD则避免了交叉干扰项的影响。提出基于稀疏表征时频分析方法的滚动轴承故障特征提取方法,通过仿真及实验验证所述方法相对于传统时频分析方法如STFT、WVD具有更清晰的时频特征提取效果。
[Abstract]:The traditional time-frequency analysis method can simultaneously in frequency domain, reflect the fault features of rolling bearing fault signal, however noise interference in the fuzzy fault features in the time-frequency distribution of the sparse representation method can be said clearly. Through sparse atoms to express the original signal, the some types of atoms in the time-frequency domain is aggregation analysis of the characteristics of good frequency. Compared to STFT, the sparse signal reconstruction of atomic time-frequency distribution has better resolution based on WVD; compared to avoid the influence of cross term interference. The feature extraction method of rolling bearing fault frequency analysis method based on sparse representation, through simulation and experimental verification of the method with respect to the traditional methods such as STFT frequency analysis, WVD has a more clear time-frequency feature extraction effect.
【作者单位】： 河南机电职业学院;郑州轻工业学院;
【分类号】：TH133.33
【正文快照】： 随着科技的发展和需求的提升,现代装备的复杂度、精密度、集成度以及智能程度越来越高,而工况却越来越苛刻,因此对这些设备的可靠性提出了更高的要求。为了减少和避免设备运行中不可预知的失效所带来的各种经济损失和人身危害,状态监测和故障诊断技术的发展和应用显得尤为必要
【相似文献】
相关期刊论文 前10条
1 王延松，李树才，，蒋钰洁;滚动轴承故障的快速诊断[J];林业机械与木工设备;1996年03期
2 张益纯,刘振娟;滚动轴承故障分析探讨[J];内燃机配件;2000年03期
3 秦恺,陈进,姜鸣,陈春梅;一种滚动轴承故障特征提取的新方法——谱相关密度[J];振动与冲击;2001年01期
4 邓长春;;声发射法在滚动轴承故障识别中的应用[J];试验技术与试验机;2002年Z2期
5 任昭蓉;滚动轴承故障的小波诊断法[J];机械制造与自动化;2004年06期
6 陆爽,田野;滚动轴承故障特征识别的时频分析研究[J];机床与液压;2005年06期
7 江涌;基于余弦调频小波变换的滚动轴承故障研究[J];机械设计与制造;2005年06期
8 程光友;;时域指标在滚动轴承故障诊断中的应用[J];中国设备工程;2005年12期
9 陈洪军;赵新泽;王延军;;滚动轴承故障试验台的理论建模分析[J];四川理工学院学报(自然科学版);2005年04期
10 李崇晟;滚动轴承故障的非线性诊断方法[J];轴承;2005年05期
相关会议论文 前10条
1 张益纯;;常见滚动轴承故障诊断的技术探讨[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
2 杨积忠;左立建;;滚动轴承故障诊断实例[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
3 何斌;戚佳杰;;小波分析在滚动轴承故障诊断中的应用研究[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年
4 李放宁;;峰值能量在滚动轴承故障诊断中的应用[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
5 何斌;戚佳杰;;小波分析在滚动轴承故障诊断中的应用研究[A];第九届全国振动理论及应用学术会议论文集[C];2007年
6 张九军;;常见滚动轴承故障的简易诊断[A];2008年全国炼铁生产技术会议暨炼铁年会文集（上册）[C];2008年
7 李兴林;;滚动轴承故障诊断技术现状及发展[A];2009年全国青年摩擦学学术会议论文集[C];2009年
8 唐海峰;陈进;董广明;;信号稀疏分解方法在滚动轴承故障诊断中的应用[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
9 高耀智;;高阶统计量与小波分析相结合在滚动轴承故障诊断中的应用[A];2009年全国青年摩擦学学术会议论文集[C];2009年
10 和卫星;陈晓平;马东玲;;基于混沌时间序列的滚动轴承故障局部预测[A];2009中国仪器仪表与测控技术大会论文集[C];2009年
相关博士学位论文 前10条
1 王玉静;滚动轴承振动信号特征提取与状态评估方法研究[D];哈尔滨工业大学;2015年
2 余发军;机械故障稀疏特征提取及诊断方法研究[D];武汉科技大学;2016年
3 甘萌;信号的稀疏表达在滚动轴承故障特征提取及智能诊断中的应用研究[D];中国科学技术大学;2017年
4 刘畅;基于压缩感知的滚动轴承特征提取与特征约简方法研究[D];昆明理工大学;2017年
5 廖强;约束独立分量和多小波分析在滚动轴承故障诊断中的应用[D];电子科技大学;2016年
6 曾鸣;基于凸包的模式识别方法及其在滚动轴承故障诊断中的应用[D];湖南大学;2016年
7 王聪;基于稀疏表达的机械信号处理方法及其在滚动轴承故障诊新中的应用研究[D];中国科学技术大学;2017年
8 于江林;滚动轴承故障的非接触声学检测信号特性及重构技术研究[D];大庆石油学院;2009年
9 杨柳松;基于小波分析与神经网络滚动轴承故障诊断方法的研究[D];东北林业大学;2013年
10 从飞云;基于滑移向量序列奇异值分解的滚动轴承故障诊断研究[D];上海交通大学;2012年
相关硕士学位论文 前10条
1 代士超;滚动轴承外圈故障机理建模及双冲击特征提取方法的研究[D];昆明理工大学;2015年
2 孙美岩;基于振动信号的滚动轴承故障特征提取研究[D];东北石油大学;2015年
3 康乐;基于EEMD-SVD的FCM聚类的轴承故障诊断[D];燕山大学;2016年
4 李茜茜;非稳态工况下滚动轴承故障特征提取与诊断[D];沈阳航空航天大学;2016年
5 李男;基于LMD样本熵和贝叶斯网络的滚动轴承故障诊断方法[D];燕山大学;2015年
6 李玉奎;基于非平稳信号分析的滚动轴承故障诊断研究[D];燕山大学;2015年
7 卜勇霞;基于时频分析方法的滚动轴承故障诊断研究[D];昆明理工大学;2015年
8 马宝;基于KICA和LSSVM的滚动轴承故障监测及诊断方法[D];昆明理工大学;2015年
9 王天一;基于正交小波优化阈值降噪方法的滚动轴承故障诊断研究[D];哈尔滨工业大学;2015年
10 宋耀文;基于振动信号分析的滚动轴承故障特征提取与诊断研究[D];中国矿业大学;2015年
本文编号：1371033
本文链接：https://www.wllwen.com/jixiegongchenglunwen/1371033.html
