共查询到18条相似文献,搜索用时 109 毫秒
1.
2.
针对轴承振动信号中存在周期性冲击这一现象,提出了时间-小波能量谱熵的计算方法,用于滚动轴承的故障诊断。首先构造脉冲小波,采用连续小波变换的方法得到时间域内小波能量谱,再沿时间轴计算能量谱熵,定量描述振动信号沿时间的分布情况,不同故障下轴承的冲击振动随时间变化程度不同,其时间-小波能量谱熵值也就不同。将不同故障轴承信号的时间-小波能量谱熵作为向量特征输入建立支持向量机,实现了对轴承的工作状态和故障类型的判断。实验结果表明,时间-小波能量谱熵可以有效地对滚动轴承进行故障诊断。 相似文献
3.
4.
5.
6.
基于小波系数包络谱的滚动轴承故障诊断 总被引:25,自引:0,他引:25
提出了基于正交小波变换诊断滚动轴承故障的新方法,利用正交小波基将滚动轴承故障振动信号变换到时间-尺度域,对高频段尺度域的小波系数进行包络细化谱分析,不仅能检测到滚动轴承故障的存在,而且能有效地识别滚动轴承的故障模式 相似文献
7.
离散余弦变换在滚动轴承故障诊断中的应用 总被引:4,自引:0,他引:4
本文探讨了应用离散余弦变换分析滚动轴承故障的方法,采用小波基将滚动轴承振动信号变换到时间-尺度域,对高频段的小波系数用离散余弦变换进行包络分析。通过对滚动轴承具有外圈缺陷、内圈缺陷的情况下振动信号的分析,说明这种方法可以有效的用于效地用于滚动轴承的故障诊断。 相似文献
8.
9.
10.
11.
12.
小波变换域双谱分析及其在滚动轴承故障诊断中的应用 总被引:15,自引:3,他引:15
工程信号不仅会受到高斯噪声干扰,而且也会受到非高斯噪声干扰。而传统双谱分析方法从理论上仅能抑制高斯噪声,但对非高斯噪声是无能为力的。针对传统双谱存在的不足,将小波变换和双谱分析结合,提出了一种基于小波变换域非参数化双谱故障诊断方法,并应用到滚动轴承故障诊断中。考虑到滚动轴承信号幅值调制特点,在本方法中,对处理信号采用了希尔伯特变换技术,以进行解调。实验结果表明,小波域双谱优于传统双谱,特别是在非高斯噪声情况下,小波域双谱更有优势;研究为滚动轴承故障诊断提供了一种新的有效方法。 相似文献
13.
基于小波包变换的滚动轴承故障诊断方法的研究 总被引:6,自引:9,他引:6
目前基于小波分析的滚动轴承故障诊断方法的研究已经很多,但是这些方法对于强噪声背景下的故障信号特征提取效果并不理想。为此,提出了适用于强噪声背景的自相关及互相关小波包消噪滚动轴承故障诊断方法。该方法首次将相关分析和小波包分解结合:对被测信号进行自相关或互相关处理,之后进行小波包阈值消噪处理,对消噪最大能量系数进行自相关或互相关处理,最后对能量序列进行FFT计算。仿真结果表明,该方法极大地增强了对滚动轴承故障诊断的能力,在强噪声背景下有效地提取出滚动轴承的故障频率。 相似文献
14.
基于小波系数11/2维谱的滚动轴承故障诊断 总被引:2,自引:2,他引:2
提出了基于小波系数11/2维谱的滚动轴承故障诊断的新方法。小波分析能有效地提取滚动轴承故障引起的突变振动信号,11/2维谱保留了滚动轴承故障振动信号的相位信息且能够有效地抑制噪声。利用正交小波基将滚动轴承故障振动信号变换到时间-尺度域,对高频段尺度域的小波系数进行11/2维谱分析,不仅能检测到滚动轴承的存在,而且能有效地识别滚动轴承的故障模式。 相似文献
15.
基于时—能密度分析的滚动轴承故障诊断 总被引:3,自引:1,他引:2
根据滚动轴承局部故障振动信号的特征,提出了基于小波变换的时-能密度分析的新方法。轴承旋转元件通过故障部位产生的脉冲力的频率决定了模态频率带信号能量随时间的分布情况。利用小波基将滚动轴承故障振动信号变换到时间-尺度域,对模态频率区间的时-能密度作谱分析,不仅能检测到滚动轴承故障的存在,而且能有效地识别滚动轴承的故障部位。 相似文献
16.
在对基于最大重叠离散小波包变换(Maximal overlap discrete wavelet packet transform,简称MODWPT)的Hilbert谱方法进行介绍的基础上,将基于MODWPT的Hilbert谱应用于齿轮故障诊断当中。采用MOWDWPT可将多分量的复杂信号分解为若干个瞬时频率和瞬时幅值具有经典物理意义的单分量之和,然后求出各个单分量信号的瞬时频率和瞬时幅值,再进行组合便可以得到原始复杂信号完整的时频分布。对具有裂纹和断齿的齿轮故障振动信号的分析结果表明,基于MODWPT的Hilbert谱可以有效地提取齿轮振动信号的故障特征。 相似文献
17.
为了更有效地对轴承故障进行监测和诊断,提出了一种基于同步压缩-交叉小波变换的滚动轴承故障特征增强方法。该方法首先将信号分成长度相等的两路信号,然后分别进行同步压缩小波变换,并将得到的同步压缩小波系数作为交叉小波变换的输入,进而获得交叉小波尺度谱,实现轴承故障特征频率的增强。将该方法应用于滚动轴承的故障诊断,与连续小波变换、交叉小波变换和同步压缩小波变换方法相比,所提方法可有效提取轴承在时频域内的细节特征,使轴承特征频率在时频域上的可读性增强,进而实现轴承故障的精确可靠诊断。 相似文献
18.
小波包络解调在轧机故障早期诊断中的应用 总被引:2,自引:0,他引:2
针对轧钢机振动信号频谱成分的多样性和高低频混杂性,利用小波正交分解的多尺度多频带特性将振动信号展开到一系列相邻的小波空间上,使调制现象突显出来易于分析;再借助希尔波特包络分析技术对小波分解后的包含调制信号的分量进行解调,成功地提取出了故障早期特征。通过后期的振动数据跟踪分析,发现轧机轴承的外圈、滚动体相继出现损伤,并逐渐恶化,与停机开箱后结果基本吻合,进一步证实了小波包络解调技术的有效性。说明小波分析和包络解调技术能够有效地提取轧机轴承故障早期的特征,为设备的早期维修决策提供了重要的依据,同时可以避免恶性事故的发生。 相似文献