当前位置:主页 > 科技论文 > 机电工程论文 >

基于互相关函数的滚动轴承故障诊断方法研究

发布时间:2018-06-10 11:50

  本文选题:自适应共振解调 + 滚动轴承 ; 参考:《应用基础与工程科学学报》2017年03期


【摘要】:随着互相关系数结合共振解调方法广泛应用于滚动轴承故障诊断领域,这类方法逐步暴露出一些问题,如互相关系数方法需要借助其它算法降噪、互相关系数作为一个指标需要人为设置阈值等,这些缺陷导致该方法在很多状况下对轴承故障特征提取的效果并不理想.因此,本文提出了基于互相关函数的自适应共振解调方法,利用互相关函数降噪和突出同频信号的特性不仅可以摆脱对人为因素的依赖,而且可以进一步削弱所选共振带内部噪声,从而使故障特征频率更加明显.通过对这一新方法的精度测试与鲁棒性测试,表明了该方法不仅能够提高噪声干扰条件下的轴承故障诊断精度,而且对带通滤波器失效与任意一路信号源自身突发性故障具有良好的自适应能力.
[Abstract]:Along with the wide application of the cross-relation number and resonance demodulation method in the field of rolling bearing fault diagnosis, this kind of method gradually exposes some problems, for example, the mutual relation number method needs to use other algorithms to reduce the noise. As an index, the interrelation number needs to be artificially set threshold, etc. These defects lead to the unsatisfactory effect of the method in many cases for bearing fault feature extraction. Therefore, an adaptive resonance demodulation method based on cross-correlation function is proposed in this paper. Using the characteristics of cross-correlation function to reduce noise and highlight the same frequency signal, we can not only get rid of the dependence on human factors. Furthermore, the internal noise of the selected resonance band can be further weakened, thus making the fault characteristic frequency more obvious. By testing the accuracy and robustness of the new method, it is shown that the method can not only improve the accuracy of bearing fault diagnosis under noise disturbance, but also improve the accuracy of the method. Moreover, it has good adaptive ability to the failure of band-pass filter and the sudden fault of any signal source itself.
【作者单位】: 石家庄铁道大学电气与电子工程学院;中车青岛四方机车车辆股份有限公司;
【基金】:国家自然科学基金项目(11227201,11372199,11572206) 河北省自然科学基金项目(A2014210142)
【分类号】:TH133.33

【参考文献】

相关期刊论文 前10条

1 付云骁;贾利民;秦勇;杨杰;张媛;;基于乘积函数相关熵的滚动轴承故障辨识方法[J];应用基础与工程科学学报;2016年02期

2 林近山;窦春红;张妮;;基于多重分形去趋势互相关分析的齿轮箱故障诊断[J];机械传动;2016年01期

3 张超;陈建军;;基于EMD降噪和谱峭度的轴承故障诊断方法[J];机械科学与技术;2015年02期

4 俞静一;赵国庆;沈志博;;侦察信号互相关滤波的信噪比分析[J];中国电子科学研究院学报;2014年02期

5 张睿凡;孔凡让;;基于谱峭度法的滚动轴承故障诊断研究[J];现代制造工程;2012年06期

6 苏文胜;王奉涛;张志新;郭正刚;李宏坤;;EMD降噪和谱峭度法在滚动轴承早期故障诊断中的应用[J];振动与冲击;2010年03期

7 王俊刚;杨号;;基于互相关的正弦信号特征提取方法[J];海军航空工程学院学报;2009年03期

8 杨尚国;杨新华;马晓东;;基于互相关函数的孤立词端点检测算法[J];微计算机信息;2007年18期

9 徐平;王宝善;张尉;林建民;陈槞;;利用互相关函数求地震波衰减[J];地球物理学报;2006年06期

10 张波;安连锁;沈国清;李颖;;互相关函数在声学测温系统中的误差分析[J];电力科学与工程;2006年01期

相关硕士学位论文 前2条

1 刘佩森;基于共振解调理论的滚动轴承故障诊断仪研究[D];电子科技大学;2014年

2 温国强;基于多信息源的滚动轴承故障诊断方法与实验研究[D];青岛理工大学;2013年

【共引文献】

相关期刊论文 前10条

1 徐光宇;熊庆宇;贾睿玺;张瑞;;回波峰值特征声学测温及DSP+FPGA测温系统[J];电子技术应用;2017年08期

2 马增强;柳晓云;张俊甲;王建东;;VMD和ICA联合降噪方法在轴承故障诊断中的应用[J];振动与冲击;2017年13期

3 刘永兵;周亚凯;冯志鹏;;形态分量分析在滚动轴承故障诊断中的应用[J];工程科学学报;2017年06期

4 袁涛;张尚斌;何清波;;时变奇异值分解在轴承故障特征提取中的应用研究[J];机械与电子;2017年06期

5 柯燕亮;王华庆;唐刚;袁洪芳;李岭阳;;基于Teager峰值能量的低转速轴承故障特征提取方法[J];振动与冲击;2017年11期

6 马增强;谷朝健;王建东;;基于互相关函数的滚动轴承故障诊断方法研究[J];应用基础与工程科学学报;2017年03期

7 段佳雷;王茹月;叱干博文;;基于自相关EMD和快速谱峭度消噪的轴承故障诊断方法研究[J];自动化与仪器仪表;2017年05期

8 姜万录;王振威;朱勇;董克岩;张生;;基于VMD消噪处理的滚动轴承早期故障识别[J];液压与气动;2017年05期

9 李笑梅;贺德强;谭文举;陈二恒;;基于EEMD和RBFNN的列车滚动轴承故障诊断研究[J];铁道科学与工程学报;2017年05期

10 于青民;李晓磊;翟勇;;基于改进EMD和数据分箱的轴承内圈故障特征提取方法[J];山东大学学报(工学版);2017年03期

相关硕士学位论文 前5条

1 吴强镪;直升机自动倾斜器滚动轴承故障诊断方法研究[D];南昌航空大学;2016年

2 任远杰;基于改进谱峭度的滚动轴承早期故障诊断研究[D];大连理工大学;2016年

3 王浩;基于有限元仿真的滚动轴承与滚珠丝杠副故障诊断方法研究[D];青岛理工大学;2015年

4 杜兴苗;数控机床滚珠丝杠副的状态监测与故障诊断研究[D];青岛理工大学;2015年

5 冯春生;基于多源不确定信息融合的数控机床滚动轴承故障诊断方法与实验研究[D];青岛理工大学;2015年

【二级参考文献】

相关期刊论文 前10条

1 张淑清;胡永涛;李盼;包红燕;姜万录;钱磊;;基于MEMD互近似熵及FCM聚类的轴承故障诊断方法[J];中国机械工程;2015年19期

2 程军圣;郑近德;杨宇;罗颂荣;;基于部分集成局部特征尺度分解与拉普拉斯分值的滚动轴承故障诊断模型[J];振动工程学报;2014年06期

3 林近山;陈前;;多重分形去趋势波动分析在滚动轴承损伤程度识别中的应用[J];中国机械工程;2014年13期

4 成昊;唐斌;;基于相关熵的盲源分离算法[J];电子科技大学学报;2013年02期

5 林近山;陈前;;基于多重分形去趋势波动分析的齿轮箱故障特征提取方法[J];振动与冲击;2013年02期

6 张超;陈建军;郭迅;;基于EMD能量熵和支持向量机的齿轮故障诊断方法[J];振动与冲击;2010年10期

7 苏文胜;王奉涛;张志新;郭正刚;李宏坤;;EMD降噪和谱峭度法在滚动轴承早期故障诊断中的应用[J];振动与冲击;2010年03期

8 段军棋;何子述;;多频雷达信号高分辨多普勒处理[J];系统工程与电子技术;2010年03期

9 张亚洲;石林锁;秦亮;;基于谱峭度法和自适应遗传算法的轴承故障诊断[J];轴承;2010年03期

10 李力;彭中笑;彭书志;;去趋势波动分析在齿轮故障诊断中的应用研究[J];中国机械工程;2009年19期

相关硕士学位论文 前8条

1 郭庆丰;高阶统计量在滚动轴承故障诊断中的应用[D];电子科技大学;2013年

2 吴丽媛;基于粗糙集神经网络的数控机床滚珠丝杠副故障诊断研究[D];青岛理工大学;2012年

3 薛金亮;基于振动噪声信息融合的齿轮箱齿轮故障诊断研究[D];青岛理工大学;2012年

4 李文斌;基于多小波分析的滚动轴承故障诊断方法研究[D];北京工业大学;2011年

5 廖慎勤;基于LabVIEW及BP神经网络的模拟电路故障诊断系统研究[D];湖南师范大学;2010年

6 周长生;齿轮与滚动轴承故障诊断方法的研究及专家系统的建立[D];兰州理工大学;2007年

7 崔硕;基于振动信号的滚动轴承故障诊断的方法研究[D];太原理工大学;2007年

8 郭秀荣;RBF神经网络在电喷发动机故障诊断中的应用研究[D];东北林业大学;2005年

【相似文献】

相关期刊论文 前10条

1 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

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 李崇晟;滚动轴承故障的非线性诊断方法[J];轴承;2005年05期

10 赵春华;严新平;赵新泽;袁成清;高虹亮;;滚动轴承故障的可拓物元诊断方法[J];润滑与密封;2006年04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 刘玉林;;货车滚动轴承故障不分解诊断技术参数选择与优化探讨[A];扩大铁路对外开放、确保重点物资运输——中国科协2005年学术年会铁道分会场暨中国铁道学会学术年会和粤海通道运营管理学术研讨会论文集[C];2005年

3 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

4 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

5 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

6 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

7 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

8 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

9 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

10 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

相关博士学位论文 前10条

1 郝腾飞;航空发动机滚动轴承故障的核方法智能识别技术研究[D];南京航空航天大学;2014年

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 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

10 孟涛;齿轮与滚动轴承故障的振动分析与诊断[D];西北工业大学;2003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 冯春生;基于多源不确定信息融合的数控机床滚动轴承故障诊断方法与实验研究[D];青岛理工大学;2015年

6 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

7 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

8 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

9 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

10 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



本文编号:2003120

资料下载
论文发表

本文链接:https://www.wllwen.com/jixiegongchenglunwen/2003120.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户cbd02***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com