資源描述：
《基于小波包熵值和EMD結(jié)合的滾動(dòng)軸承微故障診斷方法研究-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、46機(jī)械傳動(dòng)2014正文章編號(hào)：1004-2539(2014)O3一O046一O4基于小波包熵值和EMD結(jié)合的滾動(dòng)軸承微故障診斷方法研究龐震任學(xué)平劉桐桐單立偉(內(nèi)蒙古科技大學(xué)機(jī)械工程學(xué)院，內(nèi)蒙古包頭014010)摘要滾動(dòng)軸承是易損件，且從出現(xiàn)微故障到破壞擴(kuò)展快。因此，發(fā)現(xiàn)滾動(dòng)軸承早期微故障具有重要意義。利用小波包熵值和EMD相結(jié)合，來(lái)檢測(cè)診斷軸承開(kāi)始輕微故障的特征。首先運(yùn)用小波包對(duì)采集信號(hào)實(shí)現(xiàn)信噪分離，突出了小波包降噪效果明顯，然后以互相關(guān)、峭度準(zhǔn)則提取經(jīng)EMD分解降噪信號(hào)的分量，避免了IMF分量選擇的盲目性。通過(guò)對(duì)仿真信號(hào)分析和實(shí)例分析，結(jié)果能夠準(zhǔn)確地檢測(cè)出軸承故障，從而表明
2、本方法的有效性。．關(guān)鍵詞小波包降噪EMD互相關(guān)峭度軸承故障ResearchofRollingBearingSlightFaultDiagnosisMethodbasedontheWaveletPacketEntropyandEMDPangZhenRenXuepingLiuTongtongShanLiwei(MechanicalEngineeringSchool，InnerMongoliaUniversityofScience&Technology，Baotou014010，China)AbstractRoilingbearingisthewearingpart，andfroms
3、lightfaulttodamageexpandquickly．There—fore，foundrollingbearinginitialslightfaultisgreatsignificance．TheinitialslightfaultcharacteristicsofbearingarediagnosedbasedoncombiningthewaveletpacketentropyandEMD．Signal-noiseseparationisa—chievedbywaveletpacket，thede-noisingeffectofthewaveletpacketmet
4、hodisobvious．ExtractingThesig—nalcomponentsdecomposedandde-noisedbyEMDisextractedwithcross-correlation，kurtosiscriterion，theblindnessofIMFcomponentsselectionisavoided．Throughthesimulationsignalanalysisandcaseanalysis，thebearingfaultcanbeaccuratelydetected，itisshowsthatthemethodiseffective．Ke
5、ywordsWaveletpacketde-noisingEMDCross-correlationKurtosisBearingfault0引言1基本理論軸承是機(jī)械工業(yè)應(yīng)用極其廣泛并且要求非常嚴(yán)1．1小波包熵值降噪格的配套件和基礎(chǔ)件，常被稱為機(jī)械的關(guān)節(jié)。它的運(yùn)由于小波包分解可以使信號(hào)分解中所得到的低行優(yōu)良程度和壽命長(zhǎng)短常常影響著整個(gè)機(jī)械裝置系頻部分、高頻部分都可以再次細(xì)分為一些子頻帶，在統(tǒng)的運(yùn)轉(zhuǎn)。而在實(shí)際工程使用中，發(fā)生軸承故障頻率對(duì)子頻帶系數(shù)有更大的處理方法，因此更加有利于對(duì)也非常高。因此，對(duì)于軸承結(jié)構(gòu)與其故障機(jī)理的深度噪聲信息的消除和保留故障信息。依據(jù)信息花費(fèi)最了解，將有助
6、于利用各種現(xiàn)代分析手段方法，對(duì)早期小原理，對(duì)小波包分解得到的各節(jié)點(diǎn)系數(shù)運(yùn)用一種香的不同故障進(jìn)行更有效的檢測(cè)診斷_1]。農(nóng)熵的最佳基搜索算法得出降噪信號(hào)。Coifman和在軸承故障萌生與發(fā)展初期，由于微弱的故障沖Wickerhauser最早先提出了此算法[3]，根據(jù)Coifman擊力、系統(tǒng)中自身的正常振動(dòng)和其他振源導(dǎo)致的干擾和Wickerhauser的分析想法，為了刻畫(huà)出小波包分解后各系數(shù)的性質(zhì)，第一步應(yīng)當(dāng)定義出代價(jià)函數(shù)，他信號(hào)以及現(xiàn)場(chǎng)的白噪聲，往往會(huì)使得故障特征信號(hào)淹們定義出的這個(gè)函數(shù)是基于香農(nóng)熵的代價(jià)函數(shù)。設(shè)沒(méi)在強(qiáng)烈的背景噪聲中，從而導(dǎo)致需要的低頻段故障特征頻率極其微弱，無(wú)法
7、成為診斷故障頻率的有效依給定的序列z一{z，}為空間V中的一個(gè)向量，定義香農(nóng)嫡為據(jù)[2]。如何將微弱的信號(hào)從強(qiáng)噪聲中提取并識(shí)別出M(z)一一∑PlogPj來(lái)是現(xiàn)今信號(hào)處理和故障診斷的研究重點(diǎn)之一。J第38卷第3期基于小波包熵值和EMD結(jié)合的滾動(dòng)軸承微故障診斷方法研究471．3仿真分析其中，P，一，并且P=0時(shí)定義PlogP=0。ll山ll為了驗(yàn)證小波包與EMD處理軸承故障信號(hào)的香農(nóng)熵刻畫(huà)的數(shù)據(jù)序列具有如下性質(zhì)：當(dāng)序列中有效性，現(xiàn)取具有實(shí)際故障特征的仿真信號(hào)()進(jìn)行的數(shù)據(jù)之間互相差別比較小時(shí)，
