資源描述:
《基于雙樹(shù)復(fù)小波包和AR譜的滾動(dòng)軸承復(fù)合故障診斷方法-論文.pdf》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、第4O卷第3期北京工業(yè)大學(xué)學(xué)報(bào)Vo1.40NO.32014年3月J0URNALOFBEIJINGUNIVERSITYOFTECHNOLOGYMar.2014基于雙樹(shù)復(fù)小波包和AR譜的滾動(dòng)軸承復(fù)合故障診斷方法胥永剛,孟志鵬,陸明,張建宇(北京工業(yè)大學(xué)機(jī)械工程與應(yīng)用電子技術(shù)學(xué)院先進(jìn)制造技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室,北京100124)摘要:針對(duì)滾動(dòng)軸承復(fù)合故障信號(hào)中故障特征難以分離的問(wèn)題,提出了基于雙樹(shù)復(fù)小波包和自回歸(auto—regressive,AR)譜的故障診斷方法.首先,利用雙樹(shù)復(fù)小波包變換將復(fù)雜的、非平穩(wěn)的復(fù)合故障振動(dòng)信號(hào)分解為若干個(gè)不同頻帶的分量;然后,對(duì)包含故障特征的分量進(jìn)行希爾伯特包絡(luò);
2、最后,對(duì)包絡(luò)信號(hào)求其AR功率譜,由此實(shí)現(xiàn)對(duì)復(fù)合故障特征信息的分離和故障識(shí)別.實(shí)驗(yàn)結(jié)果表明:該方法可有效地分離軸承復(fù)合故障的特征頻率,驗(yàn)證了該方法的可行性和有效性.關(guān)鍵詞:雙樹(shù)復(fù)小波包;AR功率譜;復(fù)合故障;故障診斷中圖分類(lèi)號(hào):TH133.3;TH165文獻(xiàn)標(biāo)志碼:A文章編號(hào):0254—0037(2014)03—0335—06CompoundFaultDiagnosisBasedonDual-treeComplexWaveletPacketTransformandARSpectrumforRollingBearingsXUYong-gang,MENGZhi-peng,LUMing,ZHANGJ
3、ian-yu(CollegeofMechanicalEngineeringandAppliedElectronicsTechnology,KeyLaboratoryofAdvancedManufacturingTechnology,BeijingUniversityofTechnology,Beijing100124,China)Abstract:Aimedatseparatingfaultinformationfromcompoundrollingbearingfaultsignal,afaultdiagnosismethodwasproposedbasedondual·-treecomp
4、lexwaveletpackettrans~rmandauto-regressive(AR)spectrum.First,thenon—stationaryandcomplexsignalofcompoundfaultwasdecomposedintoseveraldifferentfrequencybandcomponentsthroughdual-treecomplexwaveletpacketdecomposition.Second,Hilbertenvelopewasformedfromthecomponentthatcontainsthefauhinformation.Finall
5、y,thepowerspectrumwasobtainedbyARspectrum.Thus,theinformationoffaultfeaturewasseparatedandidentified.Experimentsresultsshowthatthefaultfeatureofrollingbearingcanbeseparatedeffectively,andthefeasibilityandeffectivenessofthemethodareverified.Keywords:dual—treecomplexwaveletpackettransform;auto—regres
6、sive(AR)powerspectrum;compoundfault;faultdiagnosis滾動(dòng)軸承是機(jī)電設(shè)備中最常用的關(guān)鍵零部件之主要原因之一,因此,對(duì)滾動(dòng)軸承故障診斷技術(shù)進(jìn)行一,它的運(yùn)行狀態(tài)直接影響到整臺(tái)機(jī)器的性能,而滾研究具有十分重要的意義.然而,在工程實(shí)踐中,滾動(dòng)軸承故障是導(dǎo)致機(jī)械設(shè)備運(yùn)行過(guò)程中產(chǎn)生故障的動(dòng)軸承常常同時(shí)發(fā)生幾種故障,形成復(fù)合故障.復(fù)收稿13期:2012—11—05基金項(xiàng)目:國(guó)家自然科學(xué)基金資助項(xiàng)目(51075009);北京市優(yōu)秀人才培養(yǎng)資助項(xiàng)目(2011D005015000006)作者簡(jiǎn)介:胥永剛(1975一),男,副教授,主要從事機(jī)械故障診斷學(xué)方面的研究,E
7、-mail:xyg@bjut.edu.cn336北京工業(yè)大學(xué)學(xué)報(bào)合故障的特征分離和故障識(shí)別是故障診斷領(lǐng)域中一障振動(dòng)信號(hào)表現(xiàn)為非平穩(wěn)特征¨,所以直接采用大難點(diǎn),亦是一個(gè)亟待解決的問(wèn)題.AR模型對(duì)滾動(dòng)軸承的故障振動(dòng)信號(hào)進(jìn)行分析效近幾年,國(guó)內(nèi)外學(xué)者對(duì)滾動(dòng)軸承復(fù)合故障的特果不理想.征分離方法進(jìn)行了一定研究工作.Purushotham針對(duì)以上問(wèn)題,本文提出了基于雙樹(shù)復(fù)小波包等結(jié)合小波分析與隱馬爾科夫模型對(duì)滾動(dòng)軸承和AR