融合VMD和MCKD的炼钢厂除尘风机滚动轴承故障诊断

发布时间：2021-04-16 08:46

　　针对某炼钢厂除尘风机服役在高温、高湿、多粉尘恶劣环境下以及强背景噪声的,致使其驱动侧滚动轴承振动信号呈现多源耦合与非线性调制特征的问题,运用融合变分模态分解（Variational Mode Decomposition,VMD）与最大相关峭度解卷积（Maximum Correlated Kurtosis Deconvolution,MCKD）实现了对除尘风机滚动轴承振动信号的降噪、故障特征频率的提取,并通过包络解调方法完成了故障的识别。 

【文章来源】：内蒙古科技与经济. 2020,(18)

【文章页数】：2 页

【部分图文】：

除尘风机驱动侧轴承振动信号时域波形及其频谱

IMF分量时域波形

经MCKD处理后各IMF分量的包络图

【参考文献】：
期刊论文
[1]EEMD和希尔伯特解调在采煤机驱动侧滚动轴承故障诊断中的应用研究[J]. 王亚林,秦波,王建国.  内蒙古科技与经济. 2018(18)
[2]对称差分能量算子增压风机轴承故障诊断[J]. 吴永刚,李军.  包钢科技. 2018(04)
[3]基于VMD和对称差分能量算子解调的滚动轴承故障诊断方法[J]. 秦波,王祖达,郭慧莉,孙国栋,陈帅,王建国.  机械传动. 2017(05)
[4]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)

硕士论文
[1]基于变分模态分解的滚动轴承故障诊断方法研究[D]. 岳建辉.燕山大学 2019



本文编号：3141114