基于自适应CYCBD和互相关谱的滚动轴承复合故障诊断方法

发布时间：2021-06-16 20:01

　　强背景噪声环境下,复合故障信号中的多特征提取与分离是实现滚动轴承复合故障诊断的重点与难点。提出了基于自适应最大二阶循环平稳盲卷积（CYCBD）和互相关谱的滚动轴承复合故障特征提取方法。首先,基于故障信号特点,通过设置CYCBD中不同的循环频率,提取不同频率的故障冲击成分,并以最大谐波显著性指数（HSI）为依据,自适应选取CYCBD的最优滤波器长度;然后,利用互相关分析进一步抑制信号中的噪声,提高信噪比;最终通过快速傅里叶变换（FFT）实现滚动轴承故障特征的提取。仿真和实测信号的分析结果表明,该方法能够去除背景噪声的干扰、提取滚动轴承复合故障特征,验证了方法的有效性。 

【文章来源】：振动与冲击. 2020,39(11)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

EMD分析仿真信号的结果

步骤5 利用快速傅里叶变换(Fast Fourier Transform, FFT)分析互相关信号,提取滚动轴承故障特征,确定轴承故障类型。3 仿真信号分析

图2为该仿真信号的时域波形及其包络谱,其中,包络谱通过对信号直接进行Hilbert变换和FFT获得。受到背景噪声的干扰,周期性冲击成分在时域波形中未得到体现;包络谱中,仅能识别出轴承外圈故障特征频率fo=115 Hz、轴承内圈故障特征频率fi=180 Hz及其三倍频,噪声的干扰较为明显,分析效果不佳。接下来利用本文提出的算法分析仿真信号,结果如图3所示。根据图3(a)和(b)可知,当滤波器长度分别为127和378时,HSI值达到最大,因此当提取内圈故障特征和外圈故障特征时,滤波器长度分别设为N=127和N=378,分析得到的最佳滤波信号如图3(c)和(d)所示,图中背景噪声得到了明显降低。滤波信号的互相关谱如图3(e)和(f)所示,图3(e)中,转频30 Hz,轴承内圈故障特征频率180 Hz及其倍频成分能够得到明显识别,图3(f)中,轴承外圈故障特征频率及其倍频成分得到有效提取,噪声干扰得到明显抑制,综上可以判断该轴承存在内圈和外圈故障,证明了本文提出的方法可以在强噪声干扰的条件下,有效地分离和提取轴承复合故障特征。

【参考文献】：
期刊论文
[1]基于谱峭度和最大相关峭度解卷积的滚动轴承复合故障特征分离方法[J]. 胡爱军,赵军,孙尚飞,黄申申.  振动与冲击. 2019(04)
[2]基于改进时频谱分析方法的滚动轴承复合故障诊断[J]. 王宏超,向国权,郭志强,巩晓赟,杜文辽.  航空动力学报. 2017(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)



本文编号：3233700