基于稀疏带宽模态分解的变转速滚动轴承故障诊断

发布时间：2018-06-07 08:17

  本文选题：稀疏带宽模态分解 + 阶次追踪分析　； 参考：《振动与冲击》2017年14期

【摘要】：针对以往信号处理方法存在的缺陷,提出了一种新的非平稳信号分析方法—稀疏带宽模态分解(Sparse bandwidth mode decomposition,SBMD).该方法将信号分解转化为约束变分问题,自适应地将信号分解为若干个IMF分量之和。另外,在变转速工况下,滚动轴承故障振动信号中含丰富的状态信息,将SBMD、阶次追踪分析和包络谱相结合应用于变转速工况条件下的滚动轴承故障诊断问题。实验分析结果表明,采用SBMD阶次包络谱方法可以及时有效的诊断变转速工况下的滚动轴承故障诊断问题。
[Abstract]:In view of the shortcomings of previous signal processing methods, a new nonstationary signal analysis method, sparse bandwidth modal decomposition (Sparse bandwidth mode decomposition, SBMD), is proposed. This method transforms signal decomposition into a constrained variational problem and adaptively decomposes the signal into the sum of several IMF components. In addition, it is in variable speed conditions. The fault vibration signal of rolling bearing is rich in state information, and SBMD, order tracking analysis and envelope spectrum are applied to the fault diagnosis of rolling bearings under variable speed conditions. The experimental results show that the SBMD order envelope spectrum method can be used to diagnose the fault diagnosis of rolling bearings in variable speed conditions in time and effectively. Break the problem.
【作者单位】： 安徽工业大学机械工程学院;马鞍山市安工大工业技术研究院工业机器人研究所;
【基金】：国家自然科学基金(51505002) 安徽高校自然科学研究项目资助(2015A080)
【分类号】：TH133.33

【参考文献】

相关期刊论文 前4条

1 郑近德;程军圣;杨宇;;部分集成局部特征尺度分解:一种新的基于噪声辅助数据分析方法[J];电子学报;2013年05期

2 程军圣;郑近德;杨宇;;一种新的非平稳信号分析方法——局部特征尺度分解法[J];振动工程学报;2012年02期

3 康海英;栾军英;郑海起;崔清斌;;基于阶次跟踪和经验模态分解的滚动轴承包络解调分析[J];机械工程学报;2007年08期

4 李志农,丁启全,吴昭同,冯长建;旋转机械升降速过程的双谱-FHMM识别方法[J];振动工程学报;2003年02期

【共引文献】

相关期刊论文 前10条

1 潘海洋;郑近德;童宝宏;张良安;;基于稀疏带宽模态分解的变转速滚动轴承故障诊断[J];振动与冲击;2017年14期

2 刘学;;虚部噪声辅助LCD方法及其在遥测振动信号处理中的应用[J];振动与冲击;2017年12期

3 舒宏超;陈剑;黄文兵;金明;司金龙;;基于瞬时频率转速提取算法的汽车排气噪声分析[J];噪声与振动控制;2017年03期

4 叶绪丹;戚晓利;王振亚;郑近德;;基于变分模态分解与多尺度熵的滚动轴承故障诊断方法[J];长春理工大学学报(自然科学版);2017年03期

5 李洪儒;孙健;王成威;田再克;郭蓓蓓;;一种细节信号提取方法及其在信号处理的应用[J];振动工程学报;2017年03期

6 吴占涛;程军圣;李宝庆;郑近德;;基于Lagrange插值的局部特征尺度分解方法及其应用[J];湖南大学学报(自然科学版);2017年04期

7 崔伟成;李伟;孟凡磊;刘林密;;局部特征尺度分解与局部均值分解的对比研究[J];机械传动;2017年04期

8 李磊;庞海;张前图;;基于半监督LLTSA维数约简的故障诊断[J];机械强度;2017年02期

9 孙瑶琴;;基于改进FOA优化的SVM在故障诊断中的应用[J];机械强度;2017年02期

10 郑近德;潘海洋;童宝宏;张良安;;基于VPMELM的滚动轴承劣化状态辨识方法[J];振动与冲击;2017年07期

【二级参考文献】

相关期刊论文 前10条

1 程军圣;郑近德;杨宇;;一种新的非平稳信号分析方法——局部特征尺度分解法[J];振动工程学报;2012年02期

2 林丽;周霆;余轮;;EMD算法中边界效应处理技术[J];计算机工程;2009年23期

3 程军圣;张亢;杨宇;于德介;;局部均值分解与经验模式分解的对比研究[J];振动与冲击;2009年05期

4 徐晓刚;徐冠雷;王孝通;秦绪佳;;经验模式分解(EMD)及其应用[J];电子学报;2009年03期

5 于德介,程军圣,杨宇;基于EMD和AR模型的滚动轴承故障诊断方法[J];振动工程学报;2004年03期

6 程军圣,于德介,邓乾旺,杨宇,张邦基;时间-小波能量谱在滚动轴承故障诊断中的应用[J];振动与冲击;2004年02期

7 黄大吉,赵进平,苏纪兰;希尔伯特-黄变换的端点延拓[J];海洋学报(中文版);2003年01期

8 郭瑜,秦树人,梁玉前;时频分析阶比跟踪技术[J];重庆大学学报(自然科学版);2002年05期

9 盖强,马孝江,张海勇,邹岩];一种消除局域波法中边界效应的新方法[J];大连理工大学学报;2002年01期

10 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

【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 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

2 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

3 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

4 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

5 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

6 赵协广;基于小波变换和经验模态分解的滚动轴承故障诊断方法研究[D];山东科技大学;2009年

7 侯者非;强噪声背景下滚动轴承故障诊断的关键技术研究[D];武汉理工大学;2010年

8 郭艳平;面向风力发电机组齿轮箱滚动轴承故障诊断的理论与方法研究[D];浙江大学;2012年

9 Ao Hung Linh（池雄岭）;基于化学反应优化算法和支持向量机的滚动轴承故障诊断方法研究[D];湖南大学;2014年

10 崔宝珍;自适应形态滤波与局域波分解理论及滚动轴承故障诊断[D];中北大学;2013年

相关硕士学位论文 前10条

1 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

2 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

3 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

4 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

5 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

6 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

7 韩一村;基于多传感器的滚动轴承故障检测研究[D];河南科技大学;2015年

8 王秀娟;基于LMD的谱峭度算法在滚动轴承故障诊断中的应用研究[D];电子科技大学;2014年

9 段永强;局部均值分解法在滚动轴承故障自动诊断中的应用研究[D];电子科技大学;2015年

10 黄宏臣;基于流形学习算法的滚动轴承故障识别研究[D];太原理工大学;2014年

，

本文编号：1990499