【摘 要】
：
如何在强背景噪声下提取轴承的微弱故障特征,对于轴承的故障诊断及性能退化评估都具有重要意义。本文提出一种基于循环维纳滤波器和包络谱的轴承故障诊断方法,其具体实现方法
【机 构】
：
上海交通大学机械系统与振动国家重点实验室,上海 200240
【出 处】
：
2010年全国振动工程及应用学术会议(暨第十二届全国设备故障诊断学术会议、第二十三届全国振动与噪声控制学术会议)
论文部分内容阅读
如何在强背景噪声下提取轴承的微弱故障特征,对于轴承的故障诊断及性能退化评估都具有重要意义。本文提出一种基于循环维纳滤波器和包络谱的轴承故障诊断方法,其具体实现方法是将输入信号遍历轴承的所有特征循环频率进行一组频移,通过循环维纳滤波器实现信号的自适应噪声滤除,然后对滤波后的信号进行包络谱分析,从而实现对微弱故障信号的特征提取。该方法只需预先知道待分析信号的特征循环频率,轴承信号往往具有循环平稳特性,可以根据循环平稳信号的谱相干理论估计出轴承信号的特征循环频率。通过对仿真信号以及试验数据的分析,验证了所提出方法的可行性和有效性。
其他文献
本文针对机床主轴轴承早期故障微弱特征提取问题,提出了强噪声背景下基于随机共振与局部均值分解的故障微弱特征识别方法。首先利用移频变尺度随机共振方法对强噪声背景下的
风力发电机齿轮箱在运行过程中受到动态载荷的作用产生振动,引起内部构件的疲劳损坏。本文建立了风力发电机齿轮传动系统的动力学模型。将风力发电机齿轮传动系统分解为三级
循环平稳信号盲分离算法是在源信号、传输通道均未知的情况下,从传感器采集信号中恢复原循环平稳信号。建立瞬时混合模型下的代价函数,通过改进自然梯度算法的迭代极小化代价
【例1】一台TCL-2919A彩电,不能收电视节目,无论手动还是自动搜索。只要收到电视信号便会自动退出搜索状态。但不接入信号源时,却能从低端至高端全程完成搜索。多次试机发现,
本文从机组稳定性的概念出发,探讨了正问题分析(机理分析)和反问题求解(信号分析)相结合的状态评估方法。首先对机组的振动信号进行研究,采用随机减量法提取自由衰减响应或随
结构模态频率是反映健康状态的重要参数。为了提取结构的模态频率以检测其健康状态,采用频率切片小波变换处理结构的动态响应信号,得到了响应信号的时频分布图,然后在时频图
在对知识发现一般过程进行介绍基础上,探讨了粗糙集理论其决策表信息系统的知识运算模式,建立了一个故障知识运算的概念模型。该模型表明,知识发现的本质是细小的知识点集经
丙烯腈是人造纤维、日常用品及树脂等多种有机产品合成的重要中间产物。虽然接触丙烯腈的急性作用是人们关注的焦点，但考虑到受雇于上述工业的大量工人及使用含有或可能释放丙
本文提出了基于Volterra级数模型的转子碰摩的故障诊断方法,在提出的方法中,由系统的输入输出信号辨识出系统的Volterra级数时域核,通过Volterra核的变化来判别系统状态的变