發(fā)布時間：2020-12-04 06:47

　　滾動軸承早期故障特征微弱且提取困難,考慮轉(zhuǎn)頻對故障包絡(luò)信號的影響,提出改進包絡(luò)譜特征因子（EDF）,基于EDF提出優(yōu)化變分模態(tài)分解方法（OVMD）。對滾動軸承正常、內(nèi)圈及外圈狀態(tài)進行OVMD分解,以EDF最大值作為篩選標(biāo)準(zhǔn)提取有效故障分量進行包絡(luò)分析。結(jié)果表明:OVMD分解帶有沖擊分量信號,具有較高準(zhǔn)確性,分解分量與原分量具有95%以上相似度;通過EDF最大值對分解分量進行提取,所獲分量具有明顯故障特征,并可排除轉(zhuǎn)頻對故障特征頻的干擾;采用OVMD-EDF故障提取方法,并進行包絡(luò)分析,可對不同故障程度的內(nèi)圈、外圈故障進行精準(zhǔn)故障診斷。 

【文章來源】：熱能動力工程. 2020年04期 第52-61頁 北大核心

【文章頁數(shù)】：10 頁

【部分圖文】：

BIMF5分量的包絡(luò)譜

VMD算法流程

故障診斷流程圖

【參考文獻】：
期刊論文
[1]自適應(yīng)變分模態(tài)分解的齒輪箱故障診斷研究[J]. 李文耀,楊文剛.  機械傳動. 2019(04)
[2]基于信息熵優(yōu)化變分模態(tài)分解的滾動軸承故障特征提取[J]. 李華,伍星,劉韜,陳慶.  振動與沖擊. 2018(23)
[3]基于粒子群優(yōu)化的改進EMD算法在軸承故障特征提取中的應(yīng)用[J]. 郭泰,鄧忠民,徐萌.  振動與沖擊. 2017(16)
[4]基于MKurt-MOMEDA的齒輪箱復(fù)合故障特征提取[J]. 王志堅,王俊元,趙志芳,吳文軒,張紀(jì)平,寇彥飛.  振動.測試與診斷. 2017(04)
[5]LMD與小波閾值降噪結(jié)合的軸承故障識別[J]. 張啟帆,侯力,魏永峭,趙斐,吳陽.  組合機床與自動化加工技術(shù). 2017(03)
[6]變分模態(tài)分解方法及其在滾動軸承早期故障診斷中的應(yīng)用[J]. 唐貴基,王曉龍.  振動工程學(xué)報. 2016(04)
[7]一種譜峭度和Morlet小波的滾動軸承微弱故障診斷方法[J]. 丁康,黃志東,林慧斌.  振動工程學(xué)報. 2014(01)
[8]基于雙樹復(fù)小波包變換的滾動軸承故障診斷[J]. 胥永剛,孟志鵬,陸明.  農(nóng)業(yè)工程學(xué)報. 2013(10)



本文編號：2897178