基于循环相关和LPSO算法的自适应MCKD方法的滚动轴承早期故障特征提取

发布时间：2019-02-15 23:09

【摘要】：针对强噪声情况下滚动轴承早期故障信号特征难以提取的问题,提出了MCKD与对称差分能量算子解调的特征提取方法。MCKD算法进行滤波时,滤波器长度L和故障周期T对滤波效果的影响至关重要,因此提出基于循环相关和LPSO算法结合的自适应的MCKD算法,自动搜寻MCKD算法所需最优参数;原信号经滤波后,故障特征被明显突出,为了剔除剩余噪声,对滤波后信号进一步做对称差分能量算子解调,剔除剩余噪声同时获得解调谱,进而提取滚动轴承的早期故障。实验分析验证了该方法的有效性。
[Abstract]:In order to solve the problem that it is difficult to extract the feature of early fault signal of rolling bearing under strong noise, a feature extraction method of MCKD and symmetrical differential energy operator demodulation is proposed. When the MCKD algorithm is used for filtering, The influence of filter length L and fault period T on the filtering effect is very important, so an adaptive MCKD algorithm based on cyclic correlation and LPSO algorithm is proposed to automatically search the optimal parameters of MCKD algorithm. After the original signal is filtered, the fault feature is obviously prominent. In order to eliminate the residual noise, the filtered signal is further demodulated by symmetrical differential energy operator, and the demodulation spectrum is obtained simultaneously by eliminating the residual noise, and then the early fault of rolling bearing is extracted. The experimental results show that the method is effective.
【作者单位】： 重庆大学机械传动国家重点实验室;
【基金】：国家自然科学基金项目(51475052) 中央高校基本科研业务费(106112016CDJZR115502)
【分类号】：TH133.33

【相似文献】

相关期刊论文 前10条

1 陈岳东，，屈梁生;回转机械的故障特征提取与分类[J];机械工程学报;1994年S1期

2 李兆飞;柴毅;李华锋;;多重分形的振动信号故障特征提取方法[J];数据采集与处理;2013年01期

3 韩立静;徐金梧;阳建宏;黎敏;;基于灰度击中击不中变换的故障特征提取方法[J];北京科技大学学报;2012年07期

4 李学军;廖传军;褚福磊;;适于声发射信号故障特征提取的小波函数[J];机械工程学报;2008年03期

5 梅检民;肖云魁;贾继德;赵慧敏;陈祥龙;乔龙;;基于改进阶比的变速器微弱故障特征提取[J];振动工程学报;2012年03期

6 任立通;胡金海;谢寿生;王磊;苗卓广;;基于随机共振预处理的振动故障特征提取研究[J];振动与冲击;2014年02期

7 陈长征,罗跃纲,张省,虞和济;基于小波分析的机械故障特征提取研究[J];机械强度;2001年01期

8 郝志华;马孝江;;高阶非线性时频表示在故障特征提取中的应用[J];农业机械学报;2006年02期

9 张玉存;马睿;付献斌;孔涛;;基于拓扑传递的耦合机械故障特征提取方法[J];中国机械工程;2012年04期

10 王诗彬;许佳;朱忠奎;;瞬态成分参数的最小二乘法辨识及其轴承故障特征提取应用[J];机械工程学报;2012年07期

相关会议论文 前3条

1 赵志宏;杨绍普;;一种基于ICA的机械故障特征提取方法[A];机械动力学理论及其应用[C];2011年

2 潘宏侠;黄晋英;毛鸿伟;刘振旺;;基于粒子群优化的故障特征提取技术研究[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

3 朱启兵;杨慧中;;基于卷积型小波包奇异值分解的齿轮故障特征提取[A];第二十七届中国控制会议论文集[C];2008年

相关博士学位论文 前10条

1 李永波;滚动轴承故障特征提取与早期诊断方法研究[D];哈尔滨工业大学;2017年

2 程发斌;面向机械故障特征提取的混合时频分析方法研究[D];重庆大学;2007年

3 冯坤;基于内积变换的机械故障特征提取原理与早期识别方法研究[D];北京化工大学;2012年

4 王晓龙;基于振动信号处理的滚动轴承故障诊断方法研究[D];华北电力大学(北京);2017年

5 李加庆;基于声全息的故障特征提取技术研究[D];上海交通大学;2008年

6 赵玲;旋转机械系统故障特征提取中的分形方法研究[D];重庆大学;2010年

7 陈建国;基于独立分量分析的机械故障特征提取及分类方法研究[D];大连理工大学;2011年

8 刘尚坤;基于振动信号处理的旋转机械故障诊断方法研究[D];华北电力大学(北京);2017年

9 李兆飞;振动故障分形特征提取及诊断方法研究[D];重庆大学;2013年

10 鞠萍华;旋转机械早期故障特征提取的时频分析方法研究[D];重庆大学;2010年

相关硕士学位论文 前10条

1 马艳丽;基于全矢MEMD的滚动轴承状态退化研究[D];郑州大学;2017年

2 薄瑞瑞;基于LMD的振动信号处理及故障特征提取研究[D];内蒙古大学;2015年

3 屈红伟;基于LMD的故障特征提取方法及动平衡技术研究[D];北京化工大学;2015年

4 李岭阳;基于非线性分析的故障特征提取及识别方法研究[D];北京化工大学;2016年

5 沈金理;机械装备连接松动故障特征提取方法的研究[D];东华大学;2013年

6 金兵;基于信息融合与VPMCD的滚动轴承智能诊断研究[D];郑州大学;2017年

7 易雄;基于小波分析的机械故障特征提取与诊断技术研究[D];浙江工业大学;2009年

8 王泽栋;钻井泵阀的故障特征提取与基于GSM的远程故障报警仪[D];北京化工大学;2008年

9 李艳妮;旋转机械故障机理与故障特征提取技术研究[D];北京化工大学;2007年

10 刘亭伟;基于谱峭度的齿轮箱故障特征提取[D];昆明理工大学;2011年

本文编号：2423791