为解决变转速工况滚动轴承微弱故障特征难以提取的问题,提出了时时(time-time,TT)变换结合计算阶比跟踪(computed order tracking,COT)的滚动轴承时变微弱故障特征提取方法。首先对变转速状态的轴承微弱故障信号进行时时变换,得到反映...为解决变转速工况滚动轴承微弱故障特征难以提取的问题,提出了时时(time-time,TT)变换结合计算阶比跟踪(computed order tracking,COT)的滚动轴承时变微弱故障特征提取方法。首先对变转速状态的轴承微弱故障信号进行时时变换,得到反映故障信号二维时时特征的TT变换矩阵。为消除TT变换矩阵的冗余性,提出了基于峭度准则的奇异值分解(singular value decomposition,SVD)方法对TT变换矩阵降噪。然后对降噪后的TT变换矩阵实施TT反变换,获取滚动轴承时变故障特征增强信号。最后对增强信号进行COT分析得到其包络阶比谱,从而提取滚动轴承的故障特征阶次。对仿真信号和实验测试信号进行分析验证,均实现了滚动轴承变转速工况故障类型的精确识别,分析效果优于包络阶比谱方法,证明了该方法的有效性。展开更多
振动信号分析是轴承故障诊断中的重要技术手段之一。变转速工况下的滚动轴承振动信号是典型的非平稳信号,并且在转频变化较小的工况中还存在噪声干扰的问题,使传统的时频分析技术难以应用。为解决该问题,提出了一种基于经验最优包络(emp...振动信号分析是轴承故障诊断中的重要技术手段之一。变转速工况下的滚动轴承振动信号是典型的非平稳信号,并且在转频变化较小的工况中还存在噪声干扰的问题,使传统的时频分析技术难以应用。为解决该问题,提出了一种基于经验最优包络(empirical optimal envelope,EOE)的局部均值分解(local mean decomposition,LMD)和采用分段线性插值的计算阶次跟踪(computing order tracking,COT)算法相结合的故障诊断方法。首先,确定低通滤波器的截止频率和滤波阶数,对滚动轴承振动信号进行滤波,并对滤波后的包络信号进行COT,以获得角域平稳信号。然后,利用EOE_LMD对重采样后的平稳信号进行处理,得到若干乘积函数(product function,PF)分量。最后,通过计算各分量的信息熵和相关系数,选取合适的分量进行阶次分析,以判断变转速滚动轴承的故障类型。结果表明,该方法可以消除转速波动对故障特征提取的影响,在不同转速变化条件下对滚动轴承具有良好的故障诊断能力。展开更多
文摘为解决变转速工况滚动轴承微弱故障特征难以提取的问题,提出了时时(time-time,TT)变换结合计算阶比跟踪(computed order tracking,COT)的滚动轴承时变微弱故障特征提取方法。首先对变转速状态的轴承微弱故障信号进行时时变换,得到反映故障信号二维时时特征的TT变换矩阵。为消除TT变换矩阵的冗余性,提出了基于峭度准则的奇异值分解(singular value decomposition,SVD)方法对TT变换矩阵降噪。然后对降噪后的TT变换矩阵实施TT反变换,获取滚动轴承时变故障特征增强信号。最后对增强信号进行COT分析得到其包络阶比谱,从而提取滚动轴承的故障特征阶次。对仿真信号和实验测试信号进行分析验证,均实现了滚动轴承变转速工况故障类型的精确识别,分析效果优于包络阶比谱方法,证明了该方法的有效性。
文摘振动信号分析是轴承故障诊断中的重要技术手段之一。变转速工况下的滚动轴承振动信号是典型的非平稳信号,并且在转频变化较小的工况中还存在噪声干扰的问题,使传统的时频分析技术难以应用。为解决该问题,提出了一种基于经验最优包络(empirical optimal envelope,EOE)的局部均值分解(local mean decomposition,LMD)和采用分段线性插值的计算阶次跟踪(computing order tracking,COT)算法相结合的故障诊断方法。首先,确定低通滤波器的截止频率和滤波阶数,对滚动轴承振动信号进行滤波,并对滤波后的包络信号进行COT,以获得角域平稳信号。然后,利用EOE_LMD对重采样后的平稳信号进行处理,得到若干乘积函数(product function,PF)分量。最后,通过计算各分量的信息熵和相关系数,选取合适的分量进行阶次分析,以判断变转速滚动轴承的故障类型。结果表明,该方法可以消除转速波动对故障特征提取的影响,在不同转速变化条件下对滚动轴承具有良好的故障诊断能力。
