Print

基于MED-权重包络谱的轮对轴承故障特征增强

论文摘要

NLM权重包络谱方法的诊断效果取决于信号中故障冲击点和噪声点之间的相异性,其在处理低信噪比信号时效果并不理想。针对该问题,提出将最小熵解卷积方法引入到权重包络谱方法的预处理中。首先对信号进行最小熵解卷积（Minimum-entropy deconvolution,MED）处理以初步消除信号中的传递噪声干扰,增大信号中故障冲击点和噪声点的相异性;而后对滤波后的信号进行加权运算,获得权重包络曲线,从权重的角度分离故障点与噪声点,使故障冲击特征得到二次增强;最后通过分析权重包络曲线包络谱得到诊断结果。应用仿真、实验数据和工程数据分析验证了该方法的有效性。分析结果表明,所提方法能够改善NLM权重包络谱方法的应用效果,在消除背景噪声、挖掘故障信息、保证故障诊断准确性方面有较大优势。

论文目录

  • 1 理论基础介绍
  •   1.1 最小熵解卷积
  •   1.2 非局部均值算法
  •   1.3 权重包络谱方法
  •   1.4 基于MED-权重包络谱故障诊断模型
  • 2 仿真数据分析
  • 3 实验数据分析
  • 4 工程数据分析
  • 5 结语

    • 文章来源

    类型: 期刊论文

    作者: 倪昀,胡俊锋,张龙

    关键词: 故障诊断,最小熵解卷积,非局部均值算法,权重包络谱,特征增强

    来源: 噪声与振动控制 2019年06期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 铁路运输

    单位: 金华职业技术学院,中国铁路南昌局集团有限公司科学技术研究所,华东交通大学机电与车辆工程学院

    基金: 国家自然科学基金资助项目(51665013,51865010),江西省青年科学基金资助项目(20161BAB216134)

    分类号: U279.3

    页码: 194-199

    总页数: 6

    文件大小: 2107K

    下载量: 83

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/a19d456d56b810e8e9d1f077.html