共查询到19条相似文献,搜索用时 62 毫秒
1.
2.
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
3.
通过分析典型声发射信号及其特征提取,将小波尺度谱引入到声发射故障诊断领域,首次提出了声发射信号的小波尺度谱分析法。给出了小波基函数及其参数的选取,克服了声发射信号小波尺度谱的时、频分辨率不能同时达到最好的缺陷。将小波尺度谱用于声发射检测的滚动轴承损伤类型及部件的识别,诊断结果十分直观、清晰、准确。仿真分析和实验研究均表明小波尺度谱能有效应用于基于声发射技术的状态监测与故障诊断。 相似文献
4.
针对轴承振动与噪声源零件识别与检测问题,利用小波包分解的方法来分析轴承的振动噪声信号:根据待测轴承振动信号特点,确定小波包分解的小波函数及分解层数,得到了轴承振动信号在频域的信息;通过构造小波包能量谱来分析各个频段上振动信号的特征,根据各个小波包空间能量值的大小判断轴承振动的剧烈程度;通过小波包重构算法对轴承振动噪声贡献较大的小波包空间进行重构,得到具有较高信噪比的重构信号,便于进行频谱分析。结果表明,本文的检测方法可以较准确的识别出新出厂轴承中振动噪声的主要来源,对于后期实现轴承静音降噪具有重要意义。 相似文献
5.
6.
通过分析滚动轴承表面损伤类故障信号的特点,提出了基于小波包分解和信号重构技术的滚动轴承故障精密诊断方法。试验表明,该方法是有效的,适用于滚动轴承早期故障的振动监测和诊断。 相似文献
7.
8.
9.
10.
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
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.
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
14.
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
15.
针对滚动轴承非线性的早期故障信号,应用独立分量(ICA)将滚动轴承产生的故障信号从多通道混合信号中分离出来,然后采用EMD (Empirical Mode Decomposition)进行再次降噪并建立AR模型,最后提取模型的自回归参数和残差方差作为故障特征向量,并以此作为支持向量机(SVM)分类器的输入参数来区分滚动轴承的工作状态和故障类型。实验结果表明,该方法是有效的。 相似文献
16.
针对强噪声条件下滚动轴承故障冲击特征难以提取的特点,提出了一种基于傅里叶分解与奇异值差分谱的滚动轴承故障诊断方法。首先通过傅里叶分解将非平稳的原始轴承故障振动信号分解为若干个固有频带函数,然后运用互相关系数法筛选固有频带函数进行信号重构,并对重构后的信号进行奇异值差分谱降噪,最后对联合降噪后的信号进行Hilbert包络谱分析,准确地识别出故障特征频率,进行故障诊断。仿真分析和试验都很好地验证了该方法的有效性。 相似文献
17.
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
18.
19.
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