基于MED-FWEO的滚动轴承故障检测
发布时间：2021-11-14 17:45
频率加权能量算子（FWEO）能够通过对信号瞬时能量的追踪消除信号中的噪声分量,突出故障冲击分量,对于轴承信号的处理具有较强的抗干扰性,然而对强噪声干扰下的信号则效果不够理想。针对该问题,提出将最小熵解卷积（MED）用于信号的预处理,以此消除信号采样过程中的传递噪声干扰,增强信噪比;而后以FWEO对处理后信号的瞬时能量进行追踪,从能量的角度进行故障特征的二次增强;最后通过包络谱分析获得诊断结果。仿真数据、实验室数据均表明所提方法能够在受强噪声干扰下的轴承故障信号中大幅消除噪声,准确提取出故障分量。
【文章来源】：机床与液压. 2020,48(14)北大核心
【文章页数】：5 页
【部分图文】：
MED-FWEO故障诊断模型
参数设置如下:a=600 Hz;fm=80 Hz;f1=2 000 Hz;fs=12 kHz。为模拟现实中实际测量到的信号状态,在模拟信号中添入一定量的高斯白噪声,获得仿真信号的时域波形如图2(a)所示。由于添入的高斯白噪声强度较大,表征着故障信息的周期性脉冲成分被淹没,在图2(a)中已经难以辨别故障冲击点。图2(b)为对图2(a)进行MED处理后的结果,可见经过处理后,图2(a)中的噪声成分已经得到极大程度的消除,周期性脉冲成分得以体现,然而带内噪声依然存在,且对于故障脉冲信息的提取产生了较大干扰,严重影响后期的故障诊断准确性,因此需要对其进行进一步处理以增强其信噪比。以频率加权能量算子追踪图2(b)的瞬时总能量,获得能量谱如图2(c)所示。可明显发现:信号中的噪声成分在能量的角度被大幅压制,周期性脉冲成分愈加突出,信噪分离效果更加优异。图2(d)所示包络谱中地毯噪声干扰较小,谱线峰值成分和故障特征频率理论值一一对应,即所提方法对于提取低信噪比信号的周期性脉冲信息适用性较强。3 实验数据分析
为进一步探究所提方法在实际工况下的实用性和优越性,拟采用实验室故障数据进行分析。实验数据来源于美国Western Reverse University轴承数据中心[9]。如图3所示,试验台由三相电机、扭矩传感器/编码器、功率计和内部控制元件组成。试验台可测试SKF6205-2RS(电机驱动端)和SKF6203-2RS(风扇端)两种型号的轴承。以电火花技术在轴承的内、外圈和滚动体中加入点蚀故障,尺寸分别为0.178、0.356、0.533 mm。以分别安装于电机驱动端、风机端和底座上的加速度传感器对轴承的测试状态进行监控。3.1 轴承外圈故障
【参考文献】：
期刊论文
[1]强噪声背景下频率加权能量算子和变分模态分解在轴承故障提取中的应用[J]. 徐元博,蔡宗琰,胡永彪,丁凯. 振动工程学报. 2018(03)
[2]基于声音信号Teager能量算子解调的轮对轴承故障检测[J]. 刘晶,胡俊锋,熊国良,张龙. 机床与液压. 2018(07)
[3]基于EMD和支持向量机的滚动轴承故障诊断研究[J]. 付大鹏,翟勇,于青民. 机床与液压. 2017(11)
[4]基于改进奇异谱分解的形态学解调方法及其在滚动轴承故障诊断中的应用[J]. 鄢小安,贾民平. 机械工程学报. 2017(07)
[5]基于SK-NLM包络的滚动轴承故障冲击特征增强[J]. 熊国良,胡俊锋,陈慧,张龙. 仪器仪表学报. 2016(10)
[6]一种谱峭度和Morlet小波的滚动轴承微弱故障诊断方法[J]. 丁康,黄志东,林慧斌. 振动工程学报. 2014(01)
本文编号：3495073
【文章来源】：机床与液压. 2020,48(14)北大核心
【文章页数】：5 页
【部分图文】：
MED-FWEO故障诊断模型
参数设置如下:a=600 Hz;fm=80 Hz;f1=2 000 Hz;fs=12 kHz。为模拟现实中实际测量到的信号状态,在模拟信号中添入一定量的高斯白噪声,获得仿真信号的时域波形如图2(a)所示。由于添入的高斯白噪声强度较大,表征着故障信息的周期性脉冲成分被淹没,在图2(a)中已经难以辨别故障冲击点。图2(b)为对图2(a)进行MED处理后的结果,可见经过处理后,图2(a)中的噪声成分已经得到极大程度的消除,周期性脉冲成分得以体现,然而带内噪声依然存在,且对于故障脉冲信息的提取产生了较大干扰,严重影响后期的故障诊断准确性,因此需要对其进行进一步处理以增强其信噪比。以频率加权能量算子追踪图2(b)的瞬时总能量,获得能量谱如图2(c)所示。可明显发现:信号中的噪声成分在能量的角度被大幅压制,周期性脉冲成分愈加突出,信噪分离效果更加优异。图2(d)所示包络谱中地毯噪声干扰较小,谱线峰值成分和故障特征频率理论值一一对应,即所提方法对于提取低信噪比信号的周期性脉冲信息适用性较强。3 实验数据分析
为进一步探究所提方法在实际工况下的实用性和优越性,拟采用实验室故障数据进行分析。实验数据来源于美国Western Reverse University轴承数据中心[9]。如图3所示,试验台由三相电机、扭矩传感器/编码器、功率计和内部控制元件组成。试验台可测试SKF6205-2RS(电机驱动端)和SKF6203-2RS(风扇端)两种型号的轴承。以电火花技术在轴承的内、外圈和滚动体中加入点蚀故障,尺寸分别为0.178、0.356、0.533 mm。以分别安装于电机驱动端、风机端和底座上的加速度传感器对轴承的测试状态进行监控。3.1 轴承外圈故障
【参考文献】：
期刊论文
[1]强噪声背景下频率加权能量算子和变分模态分解在轴承故障提取中的应用[J]. 徐元博,蔡宗琰,胡永彪,丁凯. 振动工程学报. 2018(03)
[2]基于声音信号Teager能量算子解调的轮对轴承故障检测[J]. 刘晶,胡俊锋,熊国良,张龙. 机床与液压. 2018(07)
[3]基于EMD和支持向量机的滚动轴承故障诊断研究[J]. 付大鹏,翟勇,于青民. 机床与液压. 2017(11)
[4]基于改进奇异谱分解的形态学解调方法及其在滚动轴承故障诊断中的应用[J]. 鄢小安,贾民平. 机械工程学报. 2017(07)
[5]基于SK-NLM包络的滚动轴承故障冲击特征增强[J]. 熊国良,胡俊锋,陈慧,张龙. 仪器仪表学报. 2016(10)
[6]一种谱峭度和Morlet小波的滚动轴承微弱故障诊断方法[J]. 丁康,黄志东,林慧斌. 振动工程学报. 2014(01)
本文编号：3495073
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3495073.html
