基于旋转编码器信号的滚动轴承故障特征增强提取
Enhanced extraction of rolling bearing fault features based on rotary encoder signals作者机构:昆明理工大学机电工程学院昆明650500
出 版 物:《振动与冲击》 (Journal of Vibration and Shock)
年 卷 期:2023年第42卷第8期
页 面:119-125页
核心收录:
学科分类:08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化]
基 金:国家自然科学基金(52165067) 云南省科技计划重大专项项目(202002AC080001)。
主 题:滚动轴承 编码器 瞬时角速度(IAS) 去相位算法(DPA) 最小熵反褶积(MOMEDA) 故障特征提取
摘 要:针对滚动轴承故障特征较弱且振动传感器安装受限的场合下故障特征不易提取的问题。结合旋转编码器信号传递路径短、干扰少等优势,提出一种基于旋转编码器瞬时角速度(instantaneous angular speed,IAS)信号的滚动轴承故障特征增强提取法。首先,使用去相位算法(de-phasing algorithm,DPA)抑制转频及其谐波等严格周期性分量;其次,通过多点优化最小熵反褶积(multi-point optimization minimum entropy deconvolution adjusted,MOMEDA)增强滚动轴承故障冲击分量;最后,对增强后的信号进行频谱分析,提取轴承故障冲击特征。通过仿真和轴承外圈实测数据验证所提方法的有效性。