基于同步压缩小波变换的滚动轴承故障诊断

作者:刘义亚;李可;陈鹏 刊名:中国机械工程 上传者:孙敏莉

【摘要】针对滚动轴承故障诊断中存在的非平稳故障信号的特征提取困难这一难题,提出利用同步压缩小波变换(SWT)对故障信号的监测数据进行处理的方法。首先对信号进行连续小波变换(CWT),其次对小波变换系数进行同步压缩变换(SST),然后对SST系数进行自适应阈值去噪,之后在有效信号数据的频率中心附近进行积分提取,最后用提取到的有效信号进行重构。对实测的滚动轴承故障信号进行处理验证,结果表明,SWT具有较高的信号提取精度以及降噪能力,同时具有较高的时频分辨率,能够将故障信号转换为高分辨率的时频谱,弥补了CWT在这方面的不足。

全文阅读

第29卷 第5期 中 国 机 械 工 程 Vol.29 No.5 2018年3月 CHINAMECHANICALENGINEERING pp.585G590基于同步压缩小波变换的滚动轴承故障诊断刘义亚1,2 李 可1,2 陈 鹏3 1.江南大学江苏省食品先进制造装备技术重点实验室,无锡,214122 2.江南大学机械工程学院,无锡,214122 3.三重大学,三重,日本,514G8507 摘要:针对滚动轴承故障诊断中存在的非平稳故障信号的特征提取困难这一难题,提出利用同步压 缩小波变换(SWT)对故障信号的监测数据进行处理的方法.首先对信号进行连续小波变换(CWT), 其次对小波变换系数进行同步压缩变换(SST),然后对SST系数进行自适应阈值去噪,之后在有效信 号数据的频率中心附近进行积分提取,最后用提取到的有效信号进行重构.对实测的滚动轴承故障信号进行处理验证,结果表明,SWT具有较高的信号提取精度以及降噪能力,同时具有较高的时频分辨 率,能够将故障信号转换为高分辨率的时频谱,弥补了CWT在这方面的不足. 关键词:故障诊断;同步压缩变换;故障信号提取;自适应阈值去噪 中图分类号:TH17 DOI:10.3969/j.issn.1004􀆼132X.2018.05.013 开放科学(资源服务)标识码(OSID): FaultDiagnosisforRollingBearingsBasedonSynchrosqueezingWaveletTransform LIUYiya1,2 LIKe1,2 CHENPeng3 1.JiangsuKeyLaboratoryofAdvancedFoodManufacturingEquipmentandTechnology, JiangnanUniversity,Wuxi,Jiangsu,214122 2.SchoolofMechanicalEngineering,JiangnanUniversity,Wuxi,Jiangnan,214122 3.MieUniversity,Mie,Japan,514G8507Abstract:InordertoovercomethedifficultiesoffeatureextractionofnonGstationaryfaultysigG nalsinrollingbearingfaultdiagnosis,thispaperproposedafaultfeatureextractionmethodbyusing thesynchrosqueezingwavelettransform(SWT).Firstly,themeasuredvibrationsignalswereproG cessedwiththecontinuouswavelettransform(CWT),andthewavelettransformcoefficientswere subjectedtosynchrosqueezingtransform(SST).Moreover,anadaptivethresholddenoisingtechnoloG gywaspresentedtocancelnoisesoftheSSTcoefficients,andtheeffectivesignaldatanearthecenter ofthefrequencywereextractedbyintegrating.Finally,thesignalreconstructionwascarriedoutbyuG ti

参考文献

引证文献

问答

我要提问