小波降噪及Hilbert变换在电机轴承故障诊断中的应用

发布时间：2018-04-12 12:49

  本文选题：轴承 + 振动信号　； 参考：《电机与控制学报》2017年06期

【摘要】：针对振动信号降噪处理及故障特征提取是机械故障诊断的重点问题,为了有效消除高频信号的影响,并充分提取出电机轴承的低频故障特征。提出利用小波降噪及Hilbert变换的方法对采集的电机轴承振动数据进行处理并提取其故障特征信息。首先,运用小波降噪对采集到的振动数据进行降噪处理,抑制噪声干扰,然后对其进行Hilbert变换解调出故障特征频率。通过对现场测取的轴承振动数据进行信号处理可以达到理想的诊断效果,由此得知,该方法能通过电机轴承振动信号进行故障特征信息处理,有效地进行轴承故障分析及诊断。
[Abstract]:In order to eliminate the influence of high frequency signal and fully extract the low frequency fault feature of motor bearing, noise reduction and fault feature extraction of vibration signal are the key problems in mechanical fault diagnosis.The method of wavelet denoising and Hilbert transform is proposed to process the vibration data of motor bearing and extract the fault characteristic information.Firstly, wavelet denoising is used to reduce the noise of the collected vibration data to suppress the noise interference, and then the fault characteristic frequency is demodulated by Hilbert transform.Through the signal processing of bearing vibration data measured in the field, the ideal diagnosis effect can be achieved. From this, it is known that this method can deal with the fault characteristic information of motor bearing vibration signal, and can effectively carry out bearing fault analysis and diagnosis.
【作者单位】： 西安工业大学机电工程学院;
【基金】：国家自然科学基金(51275374) 国防科技重点实验室开放基金
【分类号】：TH133.3;TM307

【相似文献】

相关期刊论文 前10条

1 ;轴承故障诊断有了“透视镜”[J];机电设备;2001年06期

2 薛松;程珩;杨勇;;伪Wigner-Ville分布在电机轴承故障诊断中的应用[J];机械工程与自动化;2008年04期

3 赵志宏;杨绍普;;一种基于样本熵的轴承故障诊断方法[J];振动与冲击;2012年06期

4 黄晋英;潘宏侠;毕世华;杨喜旺;;基于高阶累量谱的轴承故障诊断[J];火炮发射与控制学报;2007年02期

5 陶新民;徐晶;刘兴丽;刘玉;;基于最大小波奇异谱的轴承故障诊断方法[J];振动、测试与诊断;2010年01期

6 乔世民;轴承故障诊断技术的发展[J];中国设备管理;1989年01期

7 李正安,李登啸;单片机轴承故障诊断系统[J];轴承;1992年03期

8 杨望灿;张培林;张云强;;基于邻域自适应局部保持投影的轴承故障诊断模型[J];振动与冲击;2014年01期

9 朱文来;;希尔伯特-黄变换在轴承故障诊断中的应用研究[J];科技创新导报;2013年34期

10 任国全,韦有民,郑海起;基于小波分析的轴承故障诊断研究[J];河北省科学院学报;2002年02期

相关会议论文 前10条

1 任获荣;马亚男;李胜刚;;熵随机共振在轴承故障诊断中的应用研究[A];2012年陕西省焊接学术交流会论文集[C];2012年

2 李琳;张永祥;童艳;;基于声发射和高阶谱分析的滚动轴承故障诊断[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 高耀智;谭援强;;基于1(1/2)谱与小波分析相结合的滚动轴承故障诊断[A];2009年全国青年摩擦学学术会议论文集[C];2009年

4 陶新民;徐晶;杜宝祥;徐勇;;基于相空间奇异谱的SOM轴承故障诊断模型[A];第二十七届中国控制会议论文集[C];2008年

5 乔文生;陈兴辉;艾士娟;胡北;赵恒;;基于小波包和BP神经网络的滚动轴承故障诊断[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年

6 李培玉;刘光明;郑俊;;基于多通道振动信号的港机台车车轮轴承故障诊断系统[A];第九届全国振动理论及应用学术会议论文集[C];2007年

7 李培玉;刘光明;郑俊;;基于多通道振动信号的港机台车车轮轴承故障诊断系统[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

8 沈路;周晓军;张杰;;基于形态非抽样小波与灰色关联度的滚动轴承故障诊断[A];2011年机械电子学学术会议论文集[C];2011年

9 宋浏阳;王华庆;高金吉;王峰;;基于蚁群算法的滚动轴承故障诊断[A];现代振动与噪声技术（第九卷）[C];2011年

10 张淑清;张琳;;基于RBF网络和D-S推理的轴承故障诊断[A];首届信息获取与处理学术会议论文集[C];2003年

相关重要报纸文章 前1条

1 通讯员 蔡义杰 记者 唐先武;轴承故障诊断有了“透视镜”[N];科技日报;2001年

相关博士学位论文 前1条

1 梁瑜;地铁列车轴承故障诊断及在途诊断系统研究[D];北京交通大学;2014年

相关硕士学位论文 前10条

1 吴治南;基于小波变换与PNN神经网络相结合的滚动轴承故障诊断[D];河北工程大学;2015年

2 赵江萍;滚动轴承故障诊断系统设计[D];中国计量学院;2015年

3 黄文静;基于多特征量提取和PSO优化神经网络的轴承故障诊断[D];燕山大学;2016年

4 欧阳贺龙;基于全矢谱的风电轴承故障诊断[D];郑州大学;2016年

5 张涛;机车轴承故障诊断系统的研究与设计[D];中南大学;2005年

6 黄建新;多传感器数据融合技术在轴承故障诊断中的应用研究[D];武汉理工大学;2006年

7 赵兴;基于时频维数的滚动轴承故障诊断技术应用研究[D];大连交通大学;2013年

8 卢一相;时频分析在轴承故障诊断中的应用研究[D];安徽大学;2007年

9 陈涛;低速重载轴承故障诊断的虚拟仪器研究[D];重庆大学;2005年

10 李学伟;支持向量机在嵌入式轴承故障诊断装置中的研究与实现[D];东北大学;2010年

，

本文编号：1739828