基于多重自相关与包络谱分析的滚动轴承故障诊断方法研究

发布时间：2018-10-25 08:24

【摘要】：滚动轴承在故障状态运行时,传感器测得的振动信号为非平稳、多分量的调制信号。在故障出现早期,由于调制信号微弱且含有噪声,导致故障特征难以识别,采用多重自相关消除噪声干扰,提取信号中的周期调制成分,然后利用Hilbert变换的包络解调方法获取故障特征频率,从而判断出轴承故障类型。实验结果表明,采用多重自相关与包络谱解调相结合的方法,能较准确的提取滚动轴承故障特征频率,具有一定的工程应用价值。
[Abstract]:The vibration signal measured by the sensor is non-stationary and multi-component modulation signal when the rolling bearing is running in the fault state. In the early stage of the fault, because the modulation signal is weak and contains noise, it is difficult to identify the fault features. The noise interference is eliminated by multiple autocorrelation, and the periodic modulation component is extracted from the signal. Then the fault characteristic frequency is obtained by the envelope demodulation method of Hilbert transform, and the bearing fault type is determined. The experimental results show that the method of multiple autocorrelation and envelope spectrum demodulation can extract the fault characteristic frequency of rolling bearing accurately and has certain engineering application value.
【作者单位】： 绵阳师范学院机电工程学院;西南科技大学信息工程学院;
【基金】：国家自然科学基金(F011102) 四川中烟工业责任有限公司公司科技项目(川渝烟工技研[2015]62号)
【分类号】：TH133.33

【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：2293155