参数优化VMD结合1.5维谱的滚动轴承复合故障特征分离方法
发布时间:2021-02-15 04:02
针对滚动轴承复合故障分离的问题,基于相关峭度具有突出故障冲击周期性的特点和1.5维谱抑制高斯白噪声、剔除非耦合谐波分量的优点,提出了参数优化VMD结合1.5维谱的滚动轴承复合故障特征分离的方法。首先以轴承不同故障特征频率对应的周期计算得到的最大相关峭度为评价指标,通过相应的相关峭度图来实现VMD中参数选择以及最优分量的选取;然后对最优分量进行包络处理,并为减少冗余成分和噪声干扰,选择1.5维谱来对包络信号做进一步分析,以此来实现滚动轴承复合故障的有效分离。通过对轴承复合故障仿真及实验信号的分析证明了该方法的有效性。
【文章来源】:振动与冲击. 2020,39(11)北大核心
【文章页数】:9 页
【部分图文】:
滚动轴承复合故障诊断流程图
通过图2可发现,在时域图中周期冲击大部分已经被噪声所掩盖;频谱图较为混乱,得不到所需的有效信息;包络谱中能够找到内、外圈故障特征频率及其倍频,但是干扰突出成分较多,不利于故障分离。利用本文提出的方法对复合故障仿真信号进行分析,依据外圈故障特征频率fo设定其相关周期T1,做出相关峭度图如图3(a)所示,从中我们可以发现当K等于2,IMF1有最大相关峭度,为最优分量(颜色相近的两个色块的相关峭度值分别为1.20和1.18),图3(b)为该分量的时域图;在图3(c)的IMF1包络谱中,虽然能够找到fo及其倍频,但是仍然存在噪声干扰;进一步计算包络信号的1.5维谱(图3(d)),仅有fo及其倍频,无任何其他干扰,更好地实现了轴承外圈故障特征频率的提取。
利用本文提出的方法对复合故障仿真信号进行分析,依据外圈故障特征频率fo设定其相关周期T1,做出相关峭度图如图3(a)所示,从中我们可以发现当K等于2,IMF1有最大相关峭度,为最优分量(颜色相近的两个色块的相关峭度值分别为1.20和1.18),图3(b)为该分量的时域图;在图3(c)的IMF1包络谱中,虽然能够找到fo及其倍频,但是仍然存在噪声干扰;进一步计算包络信号的1.5维谱(图3(d)),仅有fo及其倍频,无任何其他干扰,更好地实现了轴承外圈故障特征频率的提取。依据内圈故障特征频率fi设定其相关周期T2做出相关峭度图,从而得到最佳分解个数K=2,IMF2为最优分量,相关峭度值为4.53(颜色相近的色块的相关峭度值为4.51);对该分量直接做包络分析(图4(c)),虽然能够找到fi及其倍频,但冗余成分和噪声干扰仍明显存在;在图4(d)中包络信号的1.5维谱结果中转频fr、fi及其倍频处谱线幅值突出,有效的将耦合成分提取出来,提升了分析效果。
【参考文献】:
期刊论文
[1]变分模态分解方法及其在滚动轴承早期故障诊断中的应用[J]. 唐贵基,王晓龙. 振动工程学报. 2016(04)
[2]基于变分模态分解和1.5维谱的轴承早期故障诊断方法[J]. 王晓龙,唐贵基. 电力自动化设备. 2016(07)
[3]滚动轴承复合故障诊断的自适应方法研究[J]. 马新娜,杨绍普. 振动与冲击. 2016(10)
[4]基于复杂网络社团聚类的复合故障特征分离诊断方法[J]. 陈安华,莫志军,蒋玲莉,潘阳. 振动与冲击. 2016(07)
[5]复合故障诊断技术综述[J]. 张可,周东华,柴毅. 控制理论与应用. 2015(09)
[6]最小周期相关熵解卷积结合窄带解调的轴承复合故障诊断研究[J]. 张晓涛,唐力伟,王平,邓士杰. 振动工程学报. 2015(04)
[7]最大相关峭度解卷积结合1.5维谱的滚动轴承早期故障特征提取方法[J]. 唐贵基,王晓龙. 振动与冲击. 2015(12)
[8]基于MCKD和重分配小波尺度谱的旋转机械复合故障诊断研究[J]. 钟先友,赵春华,陈保家,田红亮. 振动与冲击. 2015(07)
[9]滚动轴承复合故障特征分离的小波-频谱自相关方法[J]. 明安波,褚福磊,张炜. 机械工程学报. 2013(03)
[10]多小波自适应构造方法及滚动轴承复合故障诊断研究[J]. 王晓冬,何正嘉,訾艳阳. 振动工程学报. 2010(04)
本文编号:3034397
【文章来源】:振动与冲击. 2020,39(11)北大核心
【文章页数】:9 页
【部分图文】:
滚动轴承复合故障诊断流程图
通过图2可发现,在时域图中周期冲击大部分已经被噪声所掩盖;频谱图较为混乱,得不到所需的有效信息;包络谱中能够找到内、外圈故障特征频率及其倍频,但是干扰突出成分较多,不利于故障分离。利用本文提出的方法对复合故障仿真信号进行分析,依据外圈故障特征频率fo设定其相关周期T1,做出相关峭度图如图3(a)所示,从中我们可以发现当K等于2,IMF1有最大相关峭度,为最优分量(颜色相近的两个色块的相关峭度值分别为1.20和1.18),图3(b)为该分量的时域图;在图3(c)的IMF1包络谱中,虽然能够找到fo及其倍频,但是仍然存在噪声干扰;进一步计算包络信号的1.5维谱(图3(d)),仅有fo及其倍频,无任何其他干扰,更好地实现了轴承外圈故障特征频率的提取。
利用本文提出的方法对复合故障仿真信号进行分析,依据外圈故障特征频率fo设定其相关周期T1,做出相关峭度图如图3(a)所示,从中我们可以发现当K等于2,IMF1有最大相关峭度,为最优分量(颜色相近的两个色块的相关峭度值分别为1.20和1.18),图3(b)为该分量的时域图;在图3(c)的IMF1包络谱中,虽然能够找到fo及其倍频,但是仍然存在噪声干扰;进一步计算包络信号的1.5维谱(图3(d)),仅有fo及其倍频,无任何其他干扰,更好地实现了轴承外圈故障特征频率的提取。依据内圈故障特征频率fi设定其相关周期T2做出相关峭度图,从而得到最佳分解个数K=2,IMF2为最优分量,相关峭度值为4.53(颜色相近的色块的相关峭度值为4.51);对该分量直接做包络分析(图4(c)),虽然能够找到fi及其倍频,但冗余成分和噪声干扰仍明显存在;在图4(d)中包络信号的1.5维谱结果中转频fr、fi及其倍频处谱线幅值突出,有效的将耦合成分提取出来,提升了分析效果。
【参考文献】:
期刊论文
[1]变分模态分解方法及其在滚动轴承早期故障诊断中的应用[J]. 唐贵基,王晓龙. 振动工程学报. 2016(04)
[2]基于变分模态分解和1.5维谱的轴承早期故障诊断方法[J]. 王晓龙,唐贵基. 电力自动化设备. 2016(07)
[3]滚动轴承复合故障诊断的自适应方法研究[J]. 马新娜,杨绍普. 振动与冲击. 2016(10)
[4]基于复杂网络社团聚类的复合故障特征分离诊断方法[J]. 陈安华,莫志军,蒋玲莉,潘阳. 振动与冲击. 2016(07)
[5]复合故障诊断技术综述[J]. 张可,周东华,柴毅. 控制理论与应用. 2015(09)
[6]最小周期相关熵解卷积结合窄带解调的轴承复合故障诊断研究[J]. 张晓涛,唐力伟,王平,邓士杰. 振动工程学报. 2015(04)
[7]最大相关峭度解卷积结合1.5维谱的滚动轴承早期故障特征提取方法[J]. 唐贵基,王晓龙. 振动与冲击. 2015(12)
[8]基于MCKD和重分配小波尺度谱的旋转机械复合故障诊断研究[J]. 钟先友,赵春华,陈保家,田红亮. 振动与冲击. 2015(07)
[9]滚动轴承复合故障特征分离的小波-频谱自相关方法[J]. 明安波,褚福磊,张炜. 机械工程学报. 2013(03)
[10]多小波自适应构造方法及滚动轴承复合故障诊断研究[J]. 王晓冬,何正嘉,訾艳阳. 振动工程学报. 2010(04)
本文编号:3034397
本文链接:https://www.wllwen.com/kejilunwen/jixiegongcheng/3034397.html