改进的EWT方法在高速列车轴承故障诊断中的应用
发布时间：2021-09-08 09:12
高速列车轴承的故障特征提取较为困难,针对这一问题,在经验小波变换（Empirical Wavelet Transform,EWT）的基础上,提出了一种基于频谱趋势与频带合并的改进EWT方法,并将其应用于高速列车轴承的故障诊断。该方法首先利用经验模态分解,根据IMF分量判断准则,提取故障信号的频谱趋势,从而得到初始的频谱分界点;然后计算各初始频带的故障信息判断指标,得到自适应阈值,判断初始频带的有效性,通过对无效频带的合并完成频谱的重新划分;最后进行经验小波变换,将各频带通过正交滤波器组,对得到的各分量信号进行Hilbert变换,得到轴承的故障特征频率。通过仿真和试验验证,改进后的EWT方法可以准确地提取出轴承故障特征频率的基频和倍频成分,有效地确定轴承故障。
【文章来源】：机车电传动. 2020,(04)北大核心
【文章页数】：7 页
【部分图文】：
与转换到尺度空图2改进的EWT方法流程图改进的算法
—50—2020年极大值的中间点为边界，则检测的边界对仿真信号的初始频谱划分如图5所示。根据故障信息指标EPK，对初始频带分界点进行筛选，将指标值小于阈值的无效频带进行合并，重新划分后的频带如图6所示。对比筛选前后的频带划分可知，信号分量数N由13减少至5，有效改善了频带破裂现象。根据划分的频带构建滤波器组，可得各分量信号的时域波形（见图7）。图8为各分量的信号频谱，根据已知的仿真信号各分量频率，可以验证改进后的EWT方法实现了各分量的准确提取，且避免了模态混叠。3试验验证3.1轴承外圈故障为了进一步验证改进的EWT方法的有效性，选取实际工程中的信号数据进行计算。测试数据为美国凯斯西储大学（CaseWesternReserveUniversity）轴承数据中心提供的原始数据，测试对象为SKF公司的SKF6205-2RS深沟槽滚动轴承，采样频率fs为12000Hz，采样周期Ts为1s，主轴转速n为1797r/min，轴承的回转频率f为29.95Hz，轴承的部分参数见表1。轴承外圈故障频率fo可由下式得到：(12)结合式(12)和表1，计算可得轴承外圈故障频率fo=107.305Hz。图9为故障信号的时域波形；图10为信号的频谱趋势，极值点个数为26，频谱趋势较好地反映了轴承振动信号整体的变化形态；图11为信号的初始频谱划分，信号分量个数为28；图12为重新划分后的频谱，信号分量个数为5。图4仿真信号频谱趋势图5仿真信号初始频谱划分图6合并后的仿真信号频谱划分图7仿真信号分量时域波形图8仿真信号分量频谱表1SKF6205-2RS深沟槽滚动轴承的基本参数滚动轴承直径d/mm7
—50—2020年极大值的中间点为边界，则检测的边界对仿真信号的初始频谱划分如图5所示。根据故障信息指标EPK，对初始频带分界点进行筛选，将指标值小于阈值的无效频带进行合并，重新划分后的频带如图6所示。对比筛选前后的频带划分可知，信号分量数N由13减少至5，有效改善了频带破裂现象。根据划分的频带构建滤波器组，可得各分量信号的时域波形（见图7）。图8为各分量的信号频谱，根据已知的仿真信号各分量频率，可以验证改进后的EWT方法实现了各分量的准确提取，且避免了模态混叠。3试验验证3.1轴承外圈故障为了进一步验证改进的EWT方法的有效性，选取实际工程中的信号数据进行计算。测试数据为美国凯斯西储大学（CaseWesternReserveUniversity）轴承数据中心提供的原始数据，测试对象为SKF公司的SKF6205-2RS深沟槽滚动轴承，采样频率fs为12000Hz，采样周期Ts为1s，主轴转速n为1797r/min，轴承的回转频率f为29.95Hz，轴承的部分参数见表1。轴承外圈故障频率fo可由下式得到：(12)结合式(12)和表1，计算可得轴承外圈故障频率fo=107.305Hz。图9为故障信号的时域波形；图10为信号的频谱趋势，极值点个数为26，频谱趋势较好地反映了轴承振动信号整体的变化形态；图11为信号的初始频谱划分，信号分量个数为28；图12为重新划分后的频谱，信号分量个数为5。图4仿真信号频谱趋势图5仿真信号初始频谱划分图6合并后的仿真信号频谱划分图7仿真信号分量时域波形图8仿真信号分量频谱表1SKF6205-2RS深沟槽滚动轴承的基本参数滚动轴承直径d/mm7
【参考文献】：
期刊论文
[1]改进经验小波变换的齿轮箱故障诊断新方法与应用[J]. 王昌明,张征,李峰,鲁聪达. 噪声与振动控制. 2018(05)
[2]微弱信号强干扰分离方法研究[J]. 李秀坤,李婷婷,马涛. 振动与冲击. 2011(03)
[3]滚动轴承故障的振动信号诊断方法[J]. 吴斌,冯长建,罗跃纲,王敏杰. 机械设计与制造. 2009(11)
[4]经验模分解在信号趋势项提取中的应用[J]. 陈隽,徐幼麟. 振动、测试与诊断. 2005(02)
硕士论文
[1]基于改进的CEEMD及IMF价值评价的高速列车齿轮箱故障诊断研究[D]. 陈东月.西南交通大学 2018
本文编号：3390522
【文章来源】：机车电传动. 2020,(04)北大核心
【文章页数】：7 页
【部分图文】：
与转换到尺度空图2改进的EWT方法流程图改进的算法
—50—2020年极大值的中间点为边界，则检测的边界对仿真信号的初始频谱划分如图5所示。根据故障信息指标EPK，对初始频带分界点进行筛选，将指标值小于阈值的无效频带进行合并，重新划分后的频带如图6所示。对比筛选前后的频带划分可知，信号分量数N由13减少至5，有效改善了频带破裂现象。根据划分的频带构建滤波器组，可得各分量信号的时域波形（见图7）。图8为各分量的信号频谱，根据已知的仿真信号各分量频率，可以验证改进后的EWT方法实现了各分量的准确提取，且避免了模态混叠。3试验验证3.1轴承外圈故障为了进一步验证改进的EWT方法的有效性，选取实际工程中的信号数据进行计算。测试数据为美国凯斯西储大学（CaseWesternReserveUniversity）轴承数据中心提供的原始数据，测试对象为SKF公司的SKF6205-2RS深沟槽滚动轴承，采样频率fs为12000Hz，采样周期Ts为1s，主轴转速n为1797r/min，轴承的回转频率f为29.95Hz，轴承的部分参数见表1。轴承外圈故障频率fo可由下式得到：(12)结合式(12)和表1，计算可得轴承外圈故障频率fo=107.305Hz。图9为故障信号的时域波形；图10为信号的频谱趋势，极值点个数为26，频谱趋势较好地反映了轴承振动信号整体的变化形态；图11为信号的初始频谱划分，信号分量个数为28；图12为重新划分后的频谱，信号分量个数为5。图4仿真信号频谱趋势图5仿真信号初始频谱划分图6合并后的仿真信号频谱划分图7仿真信号分量时域波形图8仿真信号分量频谱表1SKF6205-2RS深沟槽滚动轴承的基本参数滚动轴承直径d/mm7
—50—2020年极大值的中间点为边界，则检测的边界对仿真信号的初始频谱划分如图5所示。根据故障信息指标EPK，对初始频带分界点进行筛选，将指标值小于阈值的无效频带进行合并，重新划分后的频带如图6所示。对比筛选前后的频带划分可知，信号分量数N由13减少至5，有效改善了频带破裂现象。根据划分的频带构建滤波器组，可得各分量信号的时域波形（见图7）。图8为各分量的信号频谱，根据已知的仿真信号各分量频率，可以验证改进后的EWT方法实现了各分量的准确提取，且避免了模态混叠。3试验验证3.1轴承外圈故障为了进一步验证改进的EWT方法的有效性，选取实际工程中的信号数据进行计算。测试数据为美国凯斯西储大学（CaseWesternReserveUniversity）轴承数据中心提供的原始数据，测试对象为SKF公司的SKF6205-2RS深沟槽滚动轴承，采样频率fs为12000Hz，采样周期Ts为1s，主轴转速n为1797r/min，轴承的回转频率f为29.95Hz，轴承的部分参数见表1。轴承外圈故障频率fo可由下式得到：(12)结合式(12)和表1，计算可得轴承外圈故障频率fo=107.305Hz。图9为故障信号的时域波形；图10为信号的频谱趋势，极值点个数为26，频谱趋势较好地反映了轴承振动信号整体的变化形态；图11为信号的初始频谱划分，信号分量个数为28；图12为重新划分后的频谱，信号分量个数为5。图4仿真信号频谱趋势图5仿真信号初始频谱划分图6合并后的仿真信号频谱划分图7仿真信号分量时域波形图8仿真信号分量频谱表1SKF6205-2RS深沟槽滚动轴承的基本参数滚动轴承直径d/mm7
【参考文献】：
期刊论文
[1]改进经验小波变换的齿轮箱故障诊断新方法与应用[J]. 王昌明,张征,李峰,鲁聪达. 噪声与振动控制. 2018(05)
[2]微弱信号强干扰分离方法研究[J]. 李秀坤,李婷婷,马涛. 振动与冲击. 2011(03)
[3]滚动轴承故障的振动信号诊断方法[J]. 吴斌,冯长建,罗跃纲,王敏杰. 机械设计与制造. 2009(11)
[4]经验模分解在信号趋势项提取中的应用[J]. 陈隽,徐幼麟. 振动、测试与诊断. 2005(02)
硕士论文
[1]基于改进的CEEMD及IMF价值评价的高速列车齿轮箱故障诊断研究[D]. 陈东月.西南交通大学 2018
本文编号：3390522
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3390522.html
