基于随机共振的滚动轴承故障弱信号的提取

发布时间：2021-01-08 21:53

　　为了提高滚动轴承故障弱信号提取的精准度和效率,引入随机共振技术。通过随机共振的信噪比峰值完成故障弱信号去噪处理,得到弱信号频率范围并实现滚动轴承故障弱信号数据追踪。以追踪的数据为基础,采用信号分析算法结合信号频率扩散强度对信号进行初始分析,将关系数据存储至中心系统,以供后续提取操作,加深系统操作,转换数据信息,过滤无关数据,实现对信号的提取。实验结果表明,所提方法能够在较高程度上稳定系统的工作状态,提高对信号的提取精细度,降低检测耗时。 

【文章来源】：西安工程大学学报. 2020,34(04)

【文章页数】：6 页

【部分图文】：

数据追踪图

通过图2获取系统的操作范围,若追踪的信号发射频率超出此范围,则将此信号进行清除,若追踪的信号发射频率在此范围内,则将此信号进行存储操作,并确保数据在流通通道进行流通,保证数据的完整度。将属于同一属性的信号数据归置到统一集合中,并及时记录集合内部数据状态,不断更新集合存储条件,由此获取实时性较强的信息数据。引入随机共振系统,通过信噪比达到峰值,实现对滚动轴承故障弱信号的去噪,得到故障弱信号准确的频率范围,通过随机共振系统方程解析实现数据的追踪定位。

描述给定的信号频率,并不断研究描述信息间的关系,对关系空间内部进行调整,加大内部信息的管理力度,并定时监测管理数据所处位置,定位信号发射位置。设置信号数据定位如图3所示。在图3中,较为清晰地了解到信号数据发出的具体位置,以此位置为研究核心,提升提取力度,设定相关自由参数进行信号数据功能辅助操作,标准化处理辅助信息,增强数据操作的整合性能。将滚动轴承内部结构进行分析,不断查找内部故障产生的原因,并进行算法恢复操作,整理频率,并对操作信号进行状态划分,以信号发射位置的不同提高划分的力度,完善本文方法的分析性能,进而获取较佳的信号提取结果[21]。

【参考文献】：
期刊论文
[1]基于改进经验小波变换的滚动轴承故障特征提取方法研究[J]. 刘自然,胡毅伟,石璞,李谦,尚坤.  中国测试. 2019(10)
[2]基于混沌理论的滚动轴承故障信号检测[J]. 刘彬,戴焕云.  机械制造与自动化. 2019(04)
[3]基于VMD和自适应谱线增强技术的滚动轴承故障诊断[J]. 陈明义,马增强,张安,李俊峰.  轴承. 2019(06)
[4]低转速下基于AE信号与LMD的滚动轴承故障诊断[J]. 林江刚,胡正新,李晶,翟怡萌,邓艾东.  动力工程学报. 2019(04)
[5]基于改进峭度图法的滚动轴承故障诊断[J]. 张海峰,陈丙炎,宋冬利.  城市轨道交通研究. 2019(02)
[6]基于周期势系统随机共振的轴承故障诊断[J]. 张景玲,杨建华,唐超权,黄大文,刘后广.  工程科学学报. 2018(08)
[7]基于VMD和变尺度多稳随机共振的微弱故障信号特征提取方法[J]. 时培明,苏晓,袁丹真,苏冠华,马晓杰.  计量学报. 2018(04)
[8]误差影响下滚动轴承多重故障模态特征信号的盲源分离方法[J]. 黄大荣,陈长沙,柯兰艳,赵玲,米波,孙国玺.  兵工学报. 2018(07)
[9]乘性双态噪声和周期调制简谐噪声激励下的线性过阻尼谐振子的随机共振[J]. 张路,钟苏川.  振动与冲击. 2018(12)
[10]随机共振消噪与ELMD相结合的轴承故障诊断[J]. 朱腾飞,张超.  机械设计与研究. 2018(03)



本文编号：2965367