采用形变周期势系统的轴承故障诊断方法

发布时间：2020-10-20 21:46

　　 针对在高强度噪声环境下的轴承故障信号难以检测的问题,提出一种利用形变周期势系统(DPPS)的轴承故障诊断方法。该方法首先将掺杂噪声的故障信号输入DPPS中,组成以DPPS为核心的随机共振(SR)系统;然后,以功率谱放大倍数(SPA)和幅度响应为测度指标来量化DPPS轴承故障诊断方法对轴承故障特征信号的增强效果,通过矩量法和概率流方法推导SPA和幅度响应的解析式,得到当SPA和幅度响应最大时的DPPS诊断方法的最优设置参数;最后,在相同条件下,将该诊断方法应用于轴承内外圈故障诊断,并与新型幂指三稳势系统(NCETS)轴承故障诊断方法作对比实验。实验结果表明,DPPS轴承故障诊断方法能够利用噪声的能量分别将内外圈故障特征频率的功率谱幅值提高至1 950和2 950 W/Hz,从而可以在功率谱中轻易识别,进而断定轴承的内外圈出现了故障,而NCETS故障诊断方法仅能分别提高至359.2和575.6 W/Hz,证明了采用DPPS的轴承故障诊断方法的有效性和先进性。
【部分图文】：

DPPS系统的SPA随Dβ的演化曲线

式中：r、c、m、p为势函数U(x,r）的形变系数；W(r）为U(x,r）的分类系数，当W(r)=(1-r)2时，U(x,r）为正弦型对称周期势（SSPP），当W(r)=(1-r2)2时，U(x,r）为正弦型非对称周期势（SAPP），当W(r)=(1-r)4时，U(x,r）为对称双稳态型周期势（SBPP）。当m=p=1,c=-1,r=0.1时，DPPS的三类势函数的具体结构如图1所示。1.2 SR机理分析

设置ε（t)=0.01cos(0.02πt）β（t),m=p=1,c=-1,r=0.1。图2、图3分别为DPPS的SPA随着Dξ和Dβ变化的理论曲线和数值模拟曲线，可见SPA随着Dξ和Dβ的增加呈现单峰趋势，表明DPPS发生了SR现象。对比分类势函数可见，SAPP的峰值最高，SBPP次之，SSPP的峰值最低，说明势阱的非对称性和势垒高度的降低能增强系统的SR效应。SPA的理论值曲线和模拟值曲线基本吻合，证明了理论推导的正确性。图3 DPPS系统的SPA随Dβ的演化曲线
【相似文献】

相关期刊论文 前10条

1 李云朋;熊柳景;牛刚;;嵌入式轴承故障诊断系统的设计与实现[J];国外电子测量技术;2019年11期

2 邵岩;卢迪;杨广学;;分数阶傅里叶变换在轴承故障诊断中的应用[J];哈尔滨理工大学学报;2017年03期

3 于岩;许继秀;张梦超;石浩;;小波分析和小波包分析在轴承故障诊断中的对比分析[J];煤矿机械;2019年12期

4 杨炎炎;;轴承故障诊断措施研究[J];现代农机;2020年03期

5 祝道强;周新志;宁芊;;变负载轴承故障诊断卷积神经网络模型[J];科学技术与工程;2020年15期

6 沙美妤;刘利国;;基于振动信号的轴承故障诊断技术综述[J];轴承;2015年09期

7 欧阳承达;张军;赵红梅;;模糊控制系统模型在轴承故障诊断中的应用[J];工程技术研究;2020年10期

8 唐波;陈慎慎;;基于深度卷积神经网络的轴承故障诊断方法[J];电子测量与仪器学报;2020年03期

9 袁洪芳;姜宇萱;王华庆;;基于词袋模型和极限学习机的轴承故障诊断[J];测控技术;2017年02期

10 刘琦;;基于小波分析的轴承故障诊断研究[J];煤;2013年07期

相关博士学位论文 前3条

1 胡永涛;基于多特征融合及深度信念网络的轴承故障诊断[D];燕山大学;2017年

2 王雷;基于流形学习的滚动轴承故障诊断若干方法研究[D];大连理工大学;2013年

3 周俊;机械故障信号欠定源估计与盲提取方法研究[D];昆明理工大学;2015年

相关硕士学位论文 前10条

1 王蕾蕾;基于深度自编码网络的轴承故障诊断研究[D];华北电力大学;2019年

2 李妍;基于改进极限学习机的轴承故障诊断方法研究[D];西安科技大学;2019年

3 彭刘阳;基于振动信号的滚动轴承故障诊断与状态识别方法研究[D];中国矿业大学;2019年

4 董德亿;基于输出信号相关性分析的轴承故障诊断方法[D];杭州电子科技大学;2018年

5 徐剑涛;基于极点对称模态分解及改进支持向量机的轴承故障诊断[D];燕山大学;2018年

6 齐申武;基于振动信号分析的滚动轴承故障诊断及寿命预测研究[D];燕山大学;2018年

7 黄阳;基于振动信号降噪与分解的轴承故障诊断研究[D];西安理工大学;2018年

8 黄建新;多传感器数据融合技术在轴承故障诊断中的应用研究[D];武汉理工大学;2006年

9 高冠琪;时频挤压阶比方法及其变转速轴承故障诊断研究[D];苏州大学;2019年

10 叶友谊;基于优化支持向量机的滚动轴承故障诊断[D];福州大学;2014年

本文编号：2849192