基于双时域微弱故障特征增强的轴承早期故障智能识别

发布时间：2017-11-05 23:16

  本文关键词：基于双时域微弱故障特征增强的轴承早期故障智能识别

  更多相关文章： 滚动轴承 早期故障诊断 双时域变换 脉冲耦合神经网路

【摘要】：针对轴承早期微弱故障难以准确识别的问题,提出一种基于双时域微弱故障特征增强的轴承早期故障智能识别方法。利用广义S变换和Fourier逆变换推导出一种双时域变换,将轴承振动信号变换为双时域二维时间序列。根据双时域变换的能量分布特点,提取二维时间序列的主对角元素以构建故障特征增强的时域振动信号。仿真信号和轴承故障信号分析验证了双时域微弱故障特征增强的可行性和有效性。采用脉冲耦合神经网络和支持向量机对增强后的轴承信号进行时频特征参数提取和智能识别,平均识别精度达到了95.4%。试验结果表明所提方法能有效提高轴承早期故障的智能识别精度。
【作者单位】： 军械工程学院车辆与电气工程系;
【基金】：国家自然科学基金资助项目(E51205405,51305454)
【分类号】：TH133.3
【正文快照】： 0前言*滚动轴承是机械设备中常见的部件之一,其健康状态好坏直接影响设备整机性能的发挥。大量研究表明,振动信号分析是轴承故障诊断最有效的方法之一[1]。然而在轴承状态发生变化初期,轴承故障特征微弱,常常淹没在其他运动部件、机体振动信号和背景噪声当中,导致传统的包络谱

【相似文献】

中国期刊全文数据库 前10条

1 杨建刚;;旋转机械摩擦故障特征的多重性分析[J];电力设备;2007年10期

2 秦文娟;张骏;宁宁;;基于多类别信息量的模糊Petri网故障推理策略[J];计算机测量与控制;2008年07期

3 梅检民;陈祥龙;肖云魁;杨万成;乔龙;;基于稳健全息阶比谱提取微弱故障特征[J];振动与冲击;2012年12期

4 马辉;孙伟;王学军;闻邦椿;;转子系统松动故障特征分析[J];东北大学学报(自然科学版);2009年03期

5 李锋;王家序;杨荣松;;有监督不相关正交局部保持映射故障辨识[J];仪器仪表学报;2013年05期

6 邵毅敏;周晓君;欧家福;陈再刚;周本学;;增强型滤波及冲击性机械故障特征的提取[J];机械工程学报;2009年04期

7 曲佳;兴成宏;李迎丽;李r，

本文编号：1146311