基于改进NLM的滚动轴承智能故障诊断方法研究

发布时间：2024-01-21 08:41

　　随着现代工业的发展以及科学技术的进步,旋转机械在机械设备中的地位日益增高,而故障出现率也随之增加。滚动轴承作为旋转机器中的重要元器件,其工况直接影响到整个机器设备的性能,因此开展滚动轴承故障诊断方面的研究是有极其重要的现实意义。本文从滚动轴承的特征提取、特征选择和特征分类三个方面入手,针对滚动轴承现有诊断方法存在的几个关键性问题进行了深入透彻的研究,提出了一种新型滚动轴承智能诊断方法,主要创新如下:传感器采集的滚动轴承故障振动信号频率成分比较复杂。由于受到无关频率及噪声的干扰,轴承的故障特征通常很难被精确的提炼出来,针对EMD方法在较强噪声干扰下不能准确提取特征的缺陷,本文提出了基于非局部均值和经验模态分解结合的特征提取方法,实现去噪的同时最大程度的保持信号的细节特征;再结合经验模态分解方法将原始的信号分解为多个分量,去除贡献率较小的分量,从而获得更为准确的故障特征信息。针对NLM方法计算复杂度高,效率低的问题,提出了一种快速NLM算法,针对快速NLM算法中指数函数加权不足的问题,提出了一种新型的Wave-指数型权值核函数,与Wave型函数加权过度的特点实现了互补,通过仿真实验证明,该...

【文章页数】：63 页

【学位级别】：硕士

本文编号：3881627