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
