基于频谱分离与小波包分析相结合的滚动轴承故障诊断

作者:任锴胜;王增才;朱淑亮 刊名:煤矿机械 上传者:何方华

【摘要】针对提取的滚动轴承故障振动信号中包含大量噪声,采用频域分离的方法,从故障轴承振动信号中分离出纯故障信号,通过对纯故障信号进行小波包分解和重构,对重构后的小波包系数进行Hilbert包络解调并求取解调后信号的功率谱,从而从功率谱中识别出滚动轴承的故障特征频率,达到滚动轴承故障诊断的目的,并结合实验数据对该方法进行验证,结果证明了该方法的有效性。

全文阅读

员具有较全面的专业知识和丰富的维修经验。 对于数控维修技术人员,应该不断地学习和掌握新的维修技术和知识,在数控机床出现故障时能够及时排除,使数控系统尽快恢复正常运行,从而保证生产的顺利进行。 参考文献: [1]任晓东,杜文阁. 数控机床的维护保养[J]. 煤矿机械,2008,29(12): 170-172. [2]王钢. 数控机床调试、使用与维护[M]. 北京:化学工业出版社, 2006. [3]王忠锋. 数控机床故障诊断及维修实例[M]. 北京:国防工业出版社,2005. [4]牛志斌. 数控机床故障诊断及维修技巧[M]. 北京:机械工业出版社,2005. 作者简介: 王春生(1957- ),河北唐山人,唐山学院讲师,2001 年毕业于河北师范大学自动化专业,多年从事自动控制专业、机电一体化专业的理论和实践的教学与科学研究, 发表专业论文数篇,电子信箱:TSSFJ2000@163.com. 责任编辑:于淑清 收稿日期:2010-03-22 煤 矿 机 械 Coal Mine Machinery Vol.31 No.10 Oct. 2010 第 31 卷第 10 期2010 年 10 月 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 0 引言 滚动轴承作为旋转机械中最基础的部件,其性能的好坏直接影响到整个系统的正常工作。 据统计,旋转机械中 30%的故障是由于滚动轴承故障引起的,因此对滚动轴承进行故障诊断能有效地避免事故的发生,减少经济损失,具有重要的经济和社会效益。 滚动轴承故障诊断方法很多:时域参数法只能对滚动轴承有无故障进行判断,不能有效地判别出故障类型,故只能用于故障的初步判断;共振解调法是比较成熟的故障诊断方法。 但由于带通滤波器中心频率和带宽难以确定,因此使用具有一定的局限性;小波分析方法是进年来研究的热点。 但由于 小波分析只能对低频部分的信息进行逐层分解,对高频部分细节信息不能有效分解,因此不能有效地提取共振的高频信息。 小波包分解能同时对低频和高频部分的信息进行分解,将其用于轴承故障诊断将具有更好的效果。 文献[1][2]对故障信号的频谱分离方法进行了介绍, 本文在此基础上根据滚动轴承故障信号特点, 将故障信号的频谱分离, 小波包分解与重构,Hilbert 变换和故障特征频率识别相结合,提出了先对采集的故障轴承信号进行频谱分离,对分离出来的纯故障信号进行小波包变换滤波重构,并经希尔伯特包络解调,最后通过对解调后的各层信号的功率谱进行识别,判断轴承故障类型,并通过现场测 基于频谱分离与小波包分析相结合的滚动轴承故障诊断 任锴胜, 王增才, 朱淑亮( 山东大学 机械工程学院, 济南 250061) 摘 要: 针对提取的滚动轴承故障振动信号中包含大量噪声,采用频域分离的方法,从故障轴 承振动信号中分离出纯故障信号,通过对纯故障信号进行小波包分解和重构,对重构后的小波包系数进行 Hilbert 包络解调并求取解调后信号的功率谱,从而从功率谱中识别出滚动轴承的故障特征频率,达到滚动轴承故障诊断的目的,并结合实验数据对该方法进行验证,结果证明了该方法的有效性。关键词: 滚动轴承; 频谱分离; 小波包; 故障诊断 中图分类号: TH133.33; TP306 文献标志码: B 文章编号: 1003 - 0794(2010)10 - 0243 - 03 RollingBearingFaultDiagnosisBasedonSpectralSeparateand WaveletPacketsAnaly

参考文献

引证文献

问答

我要提问