自适应陷波理论及其在轴承故障诊断中的应用

被引:6
作者
万书亭
张雄
庞彬
豆龙江
机构
[1] 华北电力大学机械工程系
关键词
滚动轴承; 故障诊断; 粒子群优化算法; 自适应陷波器;
D O I
10.16081/j.issn.1006-6047.2018.09.021
中图分类号
TH133.3 [轴承];
学科分类号
080203 ;
摘要
滚动轴承故障冲击特征易被工频载波信号淹没,而传统的信号降噪方法对工频干扰不具有针对性,所以将工频陷波理论引入到轴承故障诊断中。由于陷波的窄带滤波特性,其对中心频率及带宽参数变化较为敏感,通过粒子群多参数寻优,以时域峭度最大原则对陷波器中心频率及带宽进行自适应选取,以时域波形匹配方差作为评价指标验证陷波对故障冲击特性的还原能力。试验分析表明自适应陷波可以有效地从工频调制信号中解调出故障冲击特征,对陷波后信号进行包络谱分析,其故障特征谱线得到增强,辅助以集合经验模态分解(EEMD)、变分模态分解(VMD)去噪方法,可以得到更理想的效果。
引用
收藏
页码:141 / 147
页数:7
相关论文
共 12 条
[1]   基于VMD的自适应形态学在轴承故障诊断中的应用 [J].
钱林 ;
康敏 ;
傅秀清 ;
王兴盛 ;
费秀国 .
振动与冲击, 2017, 36 (03) :227-233
[2]   基于MCKD-EMD的风电机组轴承早期故障诊断方法 [J].
赵洪山 ;
李浪 .
电力自动化设备, 2017, 37 (02) :29-36
[3]   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, 29 (04) :638-648
[4]   基于VMD-ICA-CWT的内燃机噪声源识别方法 [J].
姚家驰 ;
向阳 ;
李胜杨 ;
王帅 .
华中科技大学学报(自然科学版), 2016, 44 (07) :20-24
[5]   基于变分模态分解和Teager能量算子的滚动轴承故障特征提取 [J].
马增强 ;
李亚超 ;
刘政 ;
谷朝健 .
振动与冲击, 2016, 35 (13) :134-139
[6]   基于角域级联最大相关峭度反褶积的滚动轴承早期故障诊断 [J].
任学平 ;
张玉皓 ;
邢义通 ;
王朝阁 .
仪器仪表学报, 2015, 36 (09) :2104-2111
[7]   基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断 [J].
刘长良 ;
武英杰 ;
甄成刚 .
中国电机工程学报, 2015, 35 (13) :3358-3365
[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, 34 (07) :156-161
[9]   基于EEMD降噪和1.5维能量谱的滚动轴承故障诊断研究 [J].
唐贵基 ;
王晓龙 .
振动与冲击, 2014, 33 (01) :6-10
[10]   基于最小熵解卷积与稀疏分解的滚动轴承微弱故障特征提取 [J].
王宏超 ;
陈进 ;
董广明 .
机械工程学报, 2013, 49 (01) :88-94