資源描述：
《基于主軸故障診斷的微弱信號(hào)特征提取技術(shù).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、2014年lO月機(jī)床與液壓Oct．2014第42卷第19期MACHINET00L&HYDRAULICSVo1．42No．19DOI：10．3969／j．issn．1001—3881．2014．19．050基于主軸故障診斷的微弱信號(hào)特征提取技術(shù)代曉明，韓秋實(shí)，Y-aS(1．機(jī)械科學(xué)研究總院，北京100044；2．北京信息科技大學(xué)信息管理學(xué)院，北京100192；3．北京信息科技大學(xué)機(jī)電工程學(xué)院，北京100192)摘要：微弱信號(hào)特征提取對(duì)于主軸系統(tǒng)早期故障診斷有著重要意義。從抑制噪聲和利用噪聲達(dá)到提高信噪比的角度出發(fā)，基于信號(hào)處理領(lǐng)域的研究
2、成果，列舉了可用于主軸系統(tǒng)微弱信號(hào)特征的提取方法。這些方法包括抑制噪聲提高信噪比的信號(hào)處理方法和利用噪聲增強(qiáng)微弱信號(hào)的方法，抑制噪聲提高信噪比的信號(hào)處理方法有譜峭度、小波變換、經(jīng)驗(yàn)?zāi)Ｊ椒纸狻⒀h(huán)平穩(wěn)理論、盲源分離、流形學(xué)習(xí)等；利用噪聲增強(qiáng)微弱信號(hào)的方法有隨機(jī)共振和總體平均經(jīng)驗(yàn)?zāi)Ｊ椒纸?。為主軸故障診斷研究提供了參考。關(guān)鍵詞：主軸系統(tǒng)；故障診斷；微弱信號(hào)；特征提??；信噪比中圖分類號(hào)：TP206+．3文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1001—3881(2014)19—195—4TechnologyofWeakSignalFeatureExtract
3、ionBasedonSpindleFaultDiagnosisDAIXiaoming，HANQiushi，WANGHongjun(1．ChinaAcademyofMachineryScienceandTechnology，Beijing100044，China；2．SchoolofInformationManagement，BeijingInformationScienceandTechnologyUniversity，Beijing100192，China；3．SchoolofElectromechanicalEngineering
4、，BeijingInformationScienceandTechnologyUniversity，Beijing100192，China)Abstract：Thefeatureextractionofweaksignalisofimportantsignificanceforearlystagefaultdiagnosisinspindlesystem．Startedfromtheaspectsofsuppressingandaddingnoisetoimprovethesignaltonoiseratio，featureextra
5、ctionmethodswithweaksig—nalofspindlesystemusingwerelistedbasedontheresearchresuhsofsignalprocessingfield．Thesemethodsofsignalprocessingareincluded，toimprovetheratioofsignaltonoisetosuppressingnoiseandusingnoisetostrengthenweaksigna1．Themethodsofsup—pressingnoiseareSpect
6、ralKurtosis，EmpiricalModeDecomposition，WaveletTransform，Cyclostationarity，BlindSourceSepara-tion，andManifoldLearningetc．ThemethodsofstrengtheningweaksignalbyaddingnoiseareStochasticResonanceandEnsembleEmpiricalModeDecomposition．Referencesareprovidedforresearchofspindlef
7、aultdiagnosis．Keywords：Mechanicalsystem；Faultdiagnosis；Weaksignal；Featureextraction；Signaltonoiseratio0前言對(duì)于主軸系統(tǒng)故障診斷目前主要有兩大方向：機(jī)械振動(dòng)信號(hào)提取是實(shí)現(xiàn)故障診斷的前提，對(duì)于(1)利用時(shí)頻域分析方法進(jìn)行振動(dòng)信號(hào)微弱特征識(shí)故障中、晚期較為明顯的振動(dòng)信號(hào)已具有較為成熟有別；(2)利用軸心軌跡特征提取方法進(jìn)行直觀的故效的提取與檢測(cè)手段。但在工程實(shí)踐中，希望盡早發(fā)障診斷。現(xiàn)早期微弱故障，對(duì)故障的發(fā)生與發(fā)展做到防微杜第一種方法通
8、常采用經(jīng)驗(yàn)?zāi)Ｊ椒纸饨翟?、小波分漸。析、功率譜密度等時(shí)頻域分析方法提取微弱故障特征主軸是機(jī)床的核心部件，其動(dòng)態(tài)特性直接影響機(jī)頻率，從而辨識(shí)故障類型。其技術(shù)路線為：頻率特征床的加工精度。由于結(jié)構(gòu)精密不易對(duì)其進(jìn)行運(yùn)行精度提取一
