自适应MED降噪和EMD分解在注塑机轴承故障诊断中的应用

发布时间：2021-10-22 14:59

　　针对注塑机轴承故障信号含有强背景噪声且难以诊断的问题,提出使用最小反褶积（MED）降噪算法结合经验模态分解（EMD）对注塑机轴承的故障振动信号进行分析,通过所得频谱确定注塑机轴承故障位置。结果表明:该方法可以对含有较大背景噪声的仿真信号及实例轴承信号去噪,经EMD分解后可得到高信噪比故障信号,通过频谱分析技术可以很好地诊断输入信号是否存在故障。 

【文章来源】：塑料科技. 2020,48(06)北大核心

【文章页数】：5 页

【部分图文】：

幅值脉冲信号

采集到的注塑机轴承故障信号通常包含较大的背景噪声，为了建立较为真实的注塑机轴承的数学模型，对上述脉冲信号添加3 dB的高斯白噪声[11]，图4为其故障仿真信号图。使用MED降噪算法对含有噪声的仿真信号进行处理，该算法依据极值点寻优自适应地对输入信号进行降噪，图5为MED降噪后的信号。由图5可知，经MED降噪后信号的冲击成分相当明显，与图3中脉冲个数相同，由此可以得出，MED算法对强噪声信号具有很好的降噪作用。

MED降噪后所得信号

【参考文献】：
期刊论文
[1]基于改进LMD和MED的滚动轴承故障诊断研究[J]. 范卓幽,高晓蓉,罗林.  铁路计算机应用. 2019(12)
[2]基于SAS降噪和谱峭度的特征频率提取方法[J]. 肖凌俊,吕勇,袁锐.  机械传动. 2019(12)
[3]基于EEMD和CS-SVM的滚动轴承故障诊断研究[J]. 梁治华,曹江涛,姬晓飞.  机电工程. 2019(06)
[4]基于MED和LMD的自动倾斜器轴承广义Shannon熵谱分析[J]. 张先辉,李新民,金小强.  航空动力学报. 2019(04)
[5]扩展卡尔曼滤波方法在转子典型故障诊断中的应用[J]. 张永强,荆建平,李亚伟,牛超阳,贾林.  噪声与振动控制. 2018(05)
[6]MCKD在滚动轴承振动信号处理中的应用[J]. 刘鲲鹏,赵磊,白云川,李泽华,吕麒鹏.  内燃机与配件. 2018(13)
[7]基于FFT的电力系统谐波分析[J]. 赵航宇,毛王清.  电工技术. 2018(13)
[8]基于EMD和改进Teager能量算子的轴承故障诊断[J]. 王耀赢,刘德平,郑鹏.  组合机床与自动化加工技术. 2018(06)
[9]傅里叶变换在转动设备故障诊断中的应用[J]. 张银雪.  油气田地面工程. 2017(07)
[10]Rolling element bearing instantaneous rotational frequency estimation based on EMD soft-thresholding denoising and instantaneous fault characteristic frequency[J]. 赵德尊,李建勇,程卫东,王天杨,温伟刚.  Journal of Central South University. 2016(07)



本文编号：3451335