| 基于MED-AMMF的提升机天轮轴承故障诊断 |
| |
| 引用本文： | 杨芬,寇子明,吴娟,李腾宇.基于MED-AMMF的提升机天轮轴承故障诊断[J].煤矿机械,2019(3):143-146. |
| |
| 作者姓名： | 杨芬 寇子明 吴娟 李腾宇 |
| |
| 作者单位： | 太原理工大学机械与运载工程学院;矿山流体控制国家地方联合工程实验室;山西省矿山流体控制工程技术研究中心 |
| |
| 基金项目： | 国家重点研发计划(2016YFC0600908);山西省人才专项(20160-5D211007);山西省自然科学基金(201801D121177) |
| |
| 摘 要： | 针对矿井提升机天轮轴承故障信号微弱、背景噪声强、故障特征难以提取问题,提出了将最小熵反褶积(Minimum Entropy Deconvolution,MED)和自适应多尺度形态滤波(Adaptive Multi-scale Morphological Filtering,AMMF)相结合进行微弱故障特征提取的方法。MED作为前置滤波器,可以突出信号中较大的脉冲,弥补强噪声背景下AMMF对微弱故障信号提取的局限性。然后再对预处理后的信号进行AMMF处理,可以克服MED无法将微弱信号突显出来的不足。2种方法相互作用,充分利用了各自的优点,补偿了彼此在强噪声环境下的不足,最终得到了良好的降噪效果。仿真和实验结果表明,该方法能有效提取强噪声环境下低速重载轴承的微弱故障特征。
|
| 关 键 词： | 滚动轴承 微弱故障 低速 MED AMMF |
Fault Diagnosis of Hoist Top Sheave Bearings Based on MED-AMMF |
| |
| Yang Fen,Kou Ziming,Wu Juan,Li Tengyu.Fault Diagnosis of Hoist Top Sheave Bearings Based on MED-AMMF[J].Coal Mine Machinery,2019(3):143-146. |
| |
| Authors: | Yang Fen Kou Ziming Wu Juan Li Tengyu |
| |
| Affiliation: | (College of Mechanical and Vehicle Engineering ,Taiyuan University of Technology,Taiyuan 030024. China;National-local Joint Laboratory of Mining Fluid Control Engineering,Taiyuan 030024,China;Shanxi Research Center of Mining Fluid Control Engineering,Taiyuan 030024,China) |
| |
| Abstract: | Yang Fen;Kou Ziming;Wu Juan;Li Tengyu(College of Mechanical and Vehicle Engineering ,Taiyuan University of Technology,Taiyuan 030024. China;National-local Joint Laboratory of Mining Fluid Control Engineering,Taiyuan 030024,China;Shanxi Research Center of Mining Fluid Control Engineering,Taiyuan 030024,China) |
| |
| Keywords: | rolling bearings weak fault slow speed MED AMMF |
| 本文献已被 CNKI 维普 等数据库收录！ |
|
