检索结果-南通市图书馆

自适应最大相关峭度反褶积方法诊断齿轮轴承复合故障

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2019年第12期35卷 48-57页

作者：吕轩胡占齐周海丽王强燕山大学机械工程学院秦皇岛066004 燕山大学自润滑关节轴承共性技术航空科技重点实验室秦皇岛066004

为了解决传统最大相关峭度反褶积(maximum correlated kurtosis deconvolution,MCKD)在故障诊断中容易出现因参数选择不当而影响诊断效果的问题,该文提出了一种基于量子遗传算法(quantum genetic algorithm,QGA)的自适应最大相关峭度反... 详细信息

为了解决传统最大相关峭度反褶积(maximum correlated kurtosis deconvolution,MCKD)在故障诊断中容易出现因参数选择不当而影响诊断效果的问题,该文提出了一种基于量子遗传算法(quantum genetic algorithm,QGA)的自适应最大相关峭度反褶积方法(maximum correlated kurtosis deconvolution with quantum genetic algorithm,QMCKD)用于齿轮和轴承复合故障诊断。通过量子遗传算法自适应选择最大相关峭度反褶积的2个关键参数滤波器长度(L)和反褶积周期(T)。使用QMCKD处理原始振动信号,提取复合故障信号中的所有单个故障信号,分别对单个故障信号进行频谱分析从而识别故障特征。在对齿面磨损-滚动轴承外圈损伤复合故障诊断中,QMCKD能够识别齿轮故障频率及其2~4倍频,识别轴承故障频率及其2~6倍频,且主要频率成分周围干扰谱线很少,故障类型容易识别。与直接频谱分析和变分模态分解(variational mode decomposition,VMD)相比,该方法在诊断效果上具有优越性。在对齿根裂纹-轴承滚动体损伤复合故障诊断中,QMCKD能够突出齿轮故障频率及其2~5倍频,突出轴承故障频率及其2~8倍频,齿轮和轴承故障特征明显,验证了方法的稳定性。试验结果表明QMCKD能够有效识别复合故障中齿轮和轴承的故障特征,可用于齿轮箱的齿轮、轴承复合故障诊断。

关键词：齿轮轴承诊断复合故障最大相关峭度反褶积量子遗传算法

在线全文

学校读者我要写书评

暂无评论

基于最大相关峭度反褶积的轴承故障诊断方法

振动．测试与诊断 2014年第3期34卷 570-575,597页

作者：武兵贾峰熊晓燕新型传感器与智能控制教育部重点实验室太原030024 太原理工大学机械电子工程研究所太原030024

针对滚动轴承的故障信号是周期性冲击信号这一特性,提出了最大相关峭度反褶积(maximum correlated kurtosis deconvolution,简称MCKD)与谱峭度(spectral kurtosis,简称SK)结合的滚动轴承早期故障诊断方法,即MCKD-SK法。利用MCKD方法可... 详细信息

针对滚动轴承的故障信号是周期性冲击信号这一特性,提出了最大相关峭度反褶积(maximum correlated kurtosis deconvolution,简称MCKD)与谱峭度(spectral kurtosis,简称SK)结合的滚动轴承早期故障诊断方法,即MCKD-SK法。利用MCKD方法可以有效提取滚动轴承早期故障信号中被噪声淹没的周期冲击成分,抑制信号中的噪声,实现信号降噪,提升原信号的峭度。利用SK方法可以选择合理频带,将信号中的低频信息从高频信息中解调出来。通过仿真与实际监测数据的分析和验证,证明MCKD-SK方法可以准确有效地诊断滚动轴承的早期故障,可用于滚动轴承早期故障的在线监测。

关键词：最大相关峭度反褶积谱峭度解调分析早期故障诊断

基于角域级联最大相关峭度反褶积的滚动轴承早期故障诊断

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2015年第9期36卷 2104-2111页

作者：任学平张玉皓邢义通王朝阁内蒙古科技大学机械工程学院包头014010

变转速工况是某些启制动工作制设备常用的工作方式,针对启制动工作制下滚动轴承故障的振动信号呈现非平稳特性,加之现场环境噪声的干扰,难以从原始故障信号中提取特征频率。提出基于角域级联最大相关峭度(CMCKD)的滚动轴承故障诊断方法... 详细信息

变转速工况是某些启制动工作制设备常用的工作方式,针对启制动工作制下滚动轴承故障的振动信号呈现非平稳特性,加之现场环境噪声的干扰,难以从原始故障信号中提取特征频率。提出基于角域级联最大相关峭度(CMCKD)的滚动轴承故障诊断方法。首先将时域非平稳故障信号进行角域重采样转换为角域内的平稳信号;然后用级联最大相关峭度反褶积对故障信号进行处理,抑制信号中的噪声,提取信号中的周期冲击成分。通过对仿真和实验数据的分析,验证了角域级联最大相关峭度反褶积方法的有效性。

关键词：滚动轴承早期故障诊断角域重采样最大相关峭度反褶积

基于阶次跟踪最大相关峭度反褶积的滚动轴承早期故障诊断

在线全文

学校读者我要写书评

暂无评论

机械设计与制造 2016年第2期 161-164页

作者：任学平张玉皓辛向志庞震内蒙古科技大学机械工程学院内蒙古包头014010

针对滚动轴承早期故障冲击信号受到现场噪声的干扰,难以提取周期冲击成分的问题,以及非平稳转速下对故障信号直接进行傅里叶分析会出现频率混叠,无法确定故障特征频率的问题。提出基于角域最大相关峭度反褶积的滚动轴承故障诊断方法。... 详细信息

针对滚动轴承早期故障冲击信号受到现场噪声的干扰,难以提取周期冲击成分的问题,以及非平稳转速下对故障信号直接进行傅里叶分析会出现频率混叠,无法确定故障特征频率的问题。提出基于角域最大相关峭度反褶积的滚动轴承故障诊断方法。首先对时域非平稳故障信号进行计算阶次跟踪转换为角域内的平稳信号;然后用最大相关峭度反褶积对故障信号进行处理,提取信号中的周期冲击成分。通过对仿真和实验数据的分析,验证了角域最大相关峭度反褶积方法的有效性。

关键词：滚动轴承早期故障诊断阶次跟踪最大相关峭度反褶积

基于最大相关峭度反褶积的齿轮箱复合故障特征提取

在线全文

学校读者我要写书评

暂无评论

噪声与振动控制 2017年第3期37卷 173-176页

作者：王志坚寇彦飞王俊元张纪平齐明思赵志芳中北大学机械与动力工程学院太原030051

提出一种基于最大相关峭度反褶积(Maximum correlated kurtosis deconvolution,MCKD)的复合故障特征提取方法,通过MCKD对原信号降噪,提取感兴趣的周期成分,同时将此方法与最小熵反褶积对比研究,验证该方法的强降噪效果。将该方法运用于... 详细信息

提出一种基于最大相关峭度反褶积(Maximum correlated kurtosis deconvolution,MCKD)的复合故障特征提取方法,通过MCKD对原信号降噪,提取感兴趣的周期成分,同时将此方法与最小熵反褶积对比研究,验证该方法的强降噪效果。将该方法运用于齿轮箱复合故障诊断中,可成功提取出各个故障特征。

关键词：振动与波最大相关峭度反褶积最小熵反褶积复合故障故障检测

基于MCKD-FDM方法的汽车轴承振动信号降噪

在线全文

学校读者我要写书评

暂无评论

山西电子技术 2024年第3期 35-36,74页

作者：田萌河南工业贸易职业学院机电工程系河南郑州451191

为了提高电机轴承的故障诊断精度,选择傅里叶分解(FDM)方法把降噪处理信号分解,利用最大相关峭度反褶积(MCKD)重构信号包络谱图实现信息故障的诊断,并开展仿真与实验测试分析。研究结果表明:测试信号形成了明显的故障特征频率与各阶倍频... 详细信息

为了提高电机轴承的故障诊断精度,选择傅里叶分解(FDM)方法把降噪处理信号分解,利用最大相关峭度反褶积(MCKD)重构信号包络谱图实现信息故障的诊断,并开展仿真与实验测试分析。研究结果表明:测试信号形成了明显的故障特征频率与各阶倍频,各阶倍频都发生了幅值降低。采用本文方法可以显著突出故障冲击成分,也可以提取获得丰富轴承故障信息,更明显体现故障特征频率与倍频。本研究故障诊断方法能够满足高精度的汽车传动系统故障检测要求。

关键词：轴承傅里叶分解方法最大相关峭度反褶积故障诊断

基于最大相关峭度反褶积法的行星齿轮故障诊断

在线全文

学校读者我要写书评

暂无评论

失效分析与预防 2016年第6期11卷 350-356页

作者：吴学勤王细洋南昌航空大学航空制造工程学院南昌330063

针对行星轮系结构复杂,故障信号特征提取困难,提出使用扭振信号对行星齿轮箱故障进行诊断。通过对行星齿轮箱横向振动信号与扭振信号的频谱分析发现,扭振信号相对于往复振动信号更适合行星轮系的故障诊断。针对扭振信号微弱,冲击特性不... 详细信息

针对行星轮系结构复杂,故障信号特征提取困难,提出使用扭振信号对行星齿轮箱故障进行诊断。通过对行星齿轮箱横向振动信号与扭振信号的频谱分析发现,扭振信号相对于往复振动信号更适合行星轮系的故障诊断。针对扭振信号微弱,冲击特性不明显,提出基于最大相关峭度反褶积处理扭振信号。首先对采集的行星齿轮扭振信号先进行零均值化预处理,然后使用MCKD方法增强扭振信号的冲击特性。以故障冲击特性的峭度值作为选择FIR滤波器长度的选择依据,最终使得行星齿轮箱扭振信号的故障冲击特征得到显著提升。该方法对于扭振信号的降噪与提高周期故障冲击特征有效,适用于行星齿轮箱扭振信号的故障诊断。

关键词：行星轮系最大相关峭度反褶积扭振信号时域故障诊断

基于MCKD和高阶谱的滚动轴承早期故障诊断研究

在线全文

学校读者我要写书评

暂无评论

基于MCKD和高阶谱的滚动轴承早期故障诊断研究

作者：陆翔宇武汉科技大学

学位级别：硕士

滚动轴承作为旋转机械的重要传动部件,对其早期故障进行诊断有重要意义。滚动轴承发生早期故障时,其故障冲击小、噪声大,传统的信号处理方法不能有效对故障特征进行提取与识别。针对上述问题,本文提出一种强噪声背景下的早期故障诊断方... 详细信息

滚动轴承作为旋转机械的重要传动部件,对其早期故障进行诊断有重要意义。滚动轴承发生早期故障时,其故障冲击小、噪声大,传统的信号处理方法不能有效对故障特征进行提取与识别。针对上述问题,本文提出一种强噪声背景下的早期故障诊断方法,主要研究内容如下:(1)针对轴承早期故障信号冲击小、噪声大,提出一种最大相关峭度反褶积(Maximum Correlation Kurtosis Deconvolution,MCKD)和高阶谱(Higher Order Spectrum,HOS)的滚动轴承早期故障诊断方法。首先,采用遗传算法(Genetic Algorithm,GA)对MCKD的参数进行自适应寻优,寻优后通过MCKD增强故障信号中的冲击成分;然后,利用HOS提取信号的冲击耦合特征。仿真和故障案例表明,本方法能够有效提取滚动轴承早期故障冲击特征。(2)针对MCKD和HOS处理后信号的高阶谱二维等高线图聚类特征不同,提出一种基于HOS与Tamura纹理的特征提取方法,并结合支持向量机实现滚动轴承的故障诊断。利用MCKD和HOS对早期故障信号进行处理,得到HOS的二维等高线图;接着,采用Tamura纹理方法提取二维等高线图的纹理特征参数,构建故障特征向量;最后,将特征向量作为支持向量机的输入,建立支持向量机轴承故障识别模型。实验结果表明,本方法在较少特征参数下能有效识别轴承故障尺寸相同和尺寸、转速不同时的滚动轴承故障类型。

关键词：滚动轴承高阶谱最大相关峭度反褶积遗传算法

基于MED-MOMEDA的风电齿轮箱复合故障特征提取研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电机与控制学报 2018年第9期22卷 111-118页

作者：王志坚张纪平王俊元段能全寇彦飞吴文轩中北大学机械工程学院太原030051

强噪环境下,齿轮箱复合故障中的微弱故障特征难以提取,因此提出了基于多点最优最小熵反褶积(MOMEDA)的复合故障提取方法。首先对最小熵反褶积(MED)和最大相关峭度反褶积(MCKD)两种方法进行改进,以多点峭度最大值为目标,对信噪比不同的... 详细信息

强噪环境下,齿轮箱复合故障中的微弱故障特征难以提取,因此提出了基于多点最优最小熵反褶积(MOMEDA)的复合故障提取方法。首先对最小熵反褶积(MED)和最大相关峭度反褶积(MCKD)两种方法进行改进,以多点峭度最大值为目标,对信噪比不同的仿真信号,通过设置合理的周期区间逐个追踪复合故障的周期成分,验证了此方法降噪性能;然后将MED-MOMEDA应用风电齿轮箱复合故障实验台中,成功提取出复合故障特征;最后用文中所提方法与EEMD对比分析进一步验证了此方法的可行性。

关键词：复合故障最小熵反褶积最大相关峭度反褶积最优最小熵反褶积