检索结果-南通市图书馆

振动与冲击 2020年第4期39卷 27-37页

作者：明安波李政张炜褚福磊火箭军工程大学导弹工程学院西安710025 清华大学机械工程系北京100084

作为表征信号冲击特征的常用指标,峭度容易受到少量大幅值异常数据或随机冲击的干扰,非常不利于滚动轴承、齿轮等旋转机械故障特征的提取。为更有效地表征信号的循环冲击特征,将线性峭度概念引入到滚动轴承故障特征表征中。同时,结合经... 详细信息

作为表征信号冲击特征的常用指标,峭度容易受到少量大幅值异常数据或随机冲击的干扰,非常不利于滚动轴承、齿轮等旋转机械故障特征的提取。为更有效地表征信号的循环冲击特征,将线性峭度概念引入到滚动轴承故障特征表征中。同时,结合经验小波变换提出线性峭度图方法。该方法通过构造具有紧支撑的经验小波函数,将信号进行正交分解;随后,计算不同分解方案下子信号的线性峭度构建线性峭度图;最终,选择线性峭度最大的子信号进行平方包络分析实现故障特征的提取与增强。通过滚动轴承内外圈剥落故障的仿真与试验分析表明:线性峭度比峭度更适合表征信号的循环冲击特征。与基于传统峭度图方法和子频带谱峭度平均的峭度图方法相比,提出的线性峭度图方法在信号的分解与表征两方面都进行了改进,具有更强的循环冲击特征提取能力,具有更高的工程应用价值。但线性峭度图方法在滤波器组构建上效率相对较低,还有很大的提升空间。

关键词：线性峭度线性峭度图冲击特征特征提取滚动轴承

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于SGMD线性峭度和log-SAM的滚动轴承故障诊断方法

引用

噪声与振动控制 2020年第6期40卷 121-127页

作者：李显泽龙海洋郑直韩炬吴萍萍赵树忠华北理工大学机械工程学院河北唐山063210 唐山鑫万达实业股份有限公司河北唐山063000 惠达卫浴股份有限公司河北唐山063000

对数-频谱振幅调制(log-SAM)方法容易受到强噪声影响,基于辛几何模态分解(SGMD)方法所得分解结果中故障特征信息分散,传统峭度也容易受噪声中的随机冲击干扰。针对上述问题,提出一种基于SGMD、线性峭度和log-SAM相结合的新方法。首先,... 详细信息

对数-频谱振幅调制(log-SAM)方法容易受到强噪声影响,基于辛几何模态分解(SGMD)方法所得分解结果中故障特征信息分散,传统峭度也容易受噪声中的随机冲击干扰。针对上述问题,提出一种基于SGMD、线性峭度和log-SAM相结合的新方法。首先,对滚动轴承振动信号进行SGMD分解,得到众多分量;其次,基于最大线性峭度,筛选具有丰富特征信息的分量作为数据源;最后,对数据源进行log-SAM分析,实现最优故障诊断。通过分析滚动轴承仿真信号和实测滚动轴承内圈故障信号,证实所提方法具有更好的抑噪能力和诊断效果。

关键词：故障诊断滚动轴承辛几何模态分解 log-SAM 线性峭度

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于SVD和MED的滚动轴承特征提取

引用

控制工程 2024年第5期31卷 884-890页

作者：何泽人彭珍瑞兰州交通大学机电工程学院甘肃兰州730070

针对滚动轴承振动信号易受噪声影响,难以提取故障特征信息的问题,提出一种奇异值分解(singular value decomposition,SVD)重构结合最小熵反卷积(minimum entropy deconvolution,MED)增强的滚动轴承故障特征提取方法。首先,对振动信号进... 详细信息

针对滚动轴承振动信号易受噪声影响,难以提取故障特征信息的问题,提出一种奇异值分解(singular value decomposition,SVD)重构结合最小熵反卷积(minimum entropy deconvolution,MED)增强的滚动轴承故障特征提取方法。首先,对振动信号进行SVD分解,并计算奇异分量(singular component,SC)对应线性峭度(L-kurtosis)值;其次,根据线性峭度值结合设定阈值筛选SC,叠加得到重构信号;随后,对重构信号利用MED进行增强,凸出信号中周期冲击成分;最后,结合包络解调提取故障特征频率。仿真信号及实测信号分析结果表明,该方法可以降低噪声对振动信号的影响且凸显故障的特征信息,实现故障诊断。

关键词：奇异值分解最小熵反卷积线性峭度故障特征提取

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

履带行驶结构驱动轮性能退化监测与评估

履带行驶结构驱动轮性能退化监测与评估

引用

作者：王景宇太原科技大学

学位级别：硕士

掘进机器人在巷道开拓推进过程中,由于井下煤岩地板层理复杂,其履带行驶结构承载部件会产生裂纹萌生和裂纹扩展现象,进而发生疲劳失效,导致在空顶区作业的掘进机器人趴窝,可能引发井下重大矿难事故。因此,针对履带行驶结构驱动轮早期故... 详细信息

掘进机器人在巷道开拓推进过程中,由于井下煤岩地板层理复杂,其履带行驶结构承载部件会产生裂纹萌生和裂纹扩展现象,进而发生疲劳失效,导致在空顶区作业的掘进机器人趴窝,可能引发井下重大矿难事故。因此,针对履带行驶结构驱动轮早期故障的预测和健康管理,提出了一种基于疲劳裂纹扩展寿命计算和损伤状态识别模型的退化监测和健康评估方法。为提高履带行驶结构的安全性,精确计算其剩余使役寿命,提出了一种疲劳裂纹扩展寿命计算方法,建立了退化程度—疲劳寿命间的联系。首先采用动力学仿真软件定位了轮齿易发生疲劳破坏的位置点;然后利用控制变量法,实现了初始裂纹的引入;通过实测载荷谱编制,对裂纹进行扩展疲劳寿命计算,讨论了不同初始裂纹尺寸对驱动轮疲劳裂纹寿命的影响。结果表明:长深比为1:1.5,倾斜角度为-30°的半椭圆型裂纹适合作为初始裂纹引入。在硬质路面和软路面两种工况下,驱动轮疲劳裂纹扩展寿命为441 km和252 km。疲劳裂纹扩展寿命随着初始裂纹深度的增加逐渐减小,随着倾斜角度的增加先减小后增加。针对振动测试数据中信息冗余、传感器布置过多增加测试成本等问题,提出了基于VMD-能量熵的测点布置优化方法。针对变转速和多噪声工况下的履带行驶结构驱动轮的损伤故障,在阶次跟踪算法、包络谱分析、线性峭度算法和滤波算法的基础上,提出了阶域线性峭度算法。结果表明:线性峭度在振动信号特征分布的统计上比峭度更有优势。阶域线性峭度算法相较于快速谱峭度、阶域峭度等算法,能在变转速、多噪声的工况下实现驱动轮健康与损伤状态识别。针对驱动轮不同损伤状态对应的故障特征频率相同,信号处理算法无法区分驱动轮损伤状态的问题,提出了一维卷积神经网络模型,建立振动信号—退化程度间的映射关系。首先,使用阶域线性峭度算法对四种损伤状态下的振动信号进行预处理,其次对轮齿的退化程度进行划分,搭建1D-CNN模型对不同退化程度下的振动角域信号进行学习和特征提取,最终实现不同退化程度间振动信号的识别。结果表明:阶域线性峭度-1D卷积神经网络模型能提取驱动轮的退化特征,实现分类特征可视化和驱动轮不同退化程度的识别,相较于2D卷积神网络,在准确率、训练和识别速度、便捷性等方面具有优势。在本文中,用裂纹损伤的长度来表征履带行驶结构驱动轮的退化程度,提出的履带行驶结构驱动轮性能退化监测方法,能够基于振动信号评估驱动轮性能退化程度和计算其剩余寿命,提高设备利用率,降低维护成本,为履带行驶结构的安全性和可靠性研究提供参考。

关键词：履带行驶结构驱动轮退化监测裂纹扩展疲劳寿命线性峭度

来源：

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

加权谱峭度故障诊断方法研究与应用

加权谱峭度故障诊断方法研究与应用

引用

作者：包文杰上海交通大学

学位级别：硕士

现代机械越来越朝着大型化、自动化和智能化方向发展,必然导致机械设备运行工况的复杂化。因此,针对大型旋转机械的测试信号也随之受到更多的干扰,必然导致信噪比降低,从而给设备的故障识别带来难度。本文从旋转机械的故障机理出发,分... 详细信息

现代机械越来越朝着大型化、自动化和智能化方向发展,必然导致机械设备运行工况的复杂化。因此,针对大型旋转机械的测试信号也随之受到更多的干扰,必然导致信噪比降低,从而给设备的故障识别带来难度。本文从旋转机械的故障机理出发,分析运行过程中信号的周期性成分和冲击性成分,针对周期性的冲击信号,提出了频域线性峭度指标来衡量冲击调制的周期强度,并与传统峭度指标相结合,提出了基于加权谱峭度方法来确定故障冲击的最优共振频带,克服了基于传统峭度指标的信号增强方法对干扰冲击敏感的问题。结果表明,本文提出方法在轴承故障诊断中取得了良好的应用效果。论文具体研究包括以下几个方面:第一,本文提出了基于加权谱峭度的最优共振频带确定方法。通过使用频域线性峭度值对传统谱峭度进行加权,频域线性峭度的使用有效解决了谱峭度对随机干扰冲击敏感的问题,同时克服了非冲击周期调制成分的干扰,从而更准确的确定最优共振频带。第二,通过对不同工况下轴承故障信号的仿真,验证了加权谱峭度方法针对分析周期性冲击故障信号的分析具有很好的效果。同时使用不同信噪比的仿真信号验证了加权谱峭度方法对随机噪声具有很强的抗干扰能力,在信噪比极低的情况下仍然能有效的确定共振频带。同时,该方法对随机大冲击干扰也具有很好的鲁棒性。通过权值的调整使加权谱峭度方法同样可以应用于变转速情况下冲击故障的检测。第三,将加权谱峭度方法应用于轴承故障诊断、轴承寿命预测中,证明了加权谱峭度方法对实际工程信号的有效性。通过使用该方法确定的共振频带解调故障信号,能够准确的实现冲击故障诊断。最后,论文还研究了在线监测系统,重点研究旋转机械的监测系统。本文提出方法的实际应用对象是周期性冲击故障,因此将其应用于旋转机械周期性冲击故障的状态监测。通过分析调相电机和转向机的故障特点,设计了两套在线监测系统。

关键词：加权谱峭度线性峭度故障诊断寿命预测在线监测

来源：

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

基于最优滤波器参数和MLKD的滚动轴承故障诊断方法

基于最优滤波器参数和MLKD的滚动轴承故障诊断方法

引用

第十五届全国振动理论及应用学术会议（NVTA2023）

作者：王震杨正伟明安波张炜

随着旋转机械不断大型化和复杂化,滚动轴承的运行工况也愈发复杂,对其进行故障特征提取和增强也更加困难。在实际应用中,传感器测点和数量受到严格限制,实际测点距真实故障源较远,采集到的信号不仅会受到噪声和随机干扰的影响,也会受到... 详细信息

随着旋转机械不断大型化和复杂化,滚动轴承的运行工况也愈发复杂,对其进行故障特征提取和增强也更加困难。在实际应用中,传感器测点和数量受到严格限制,实际测点距真实故障源较远,采集到的信号不仅会受到噪声和随机干扰的影响,也会受到传递路径衰减等因素的影响,主要成分往往是故障引起的冲击脉冲信号与传递函数的卷积结果,不能反映真实的故障信息。为消除传递路径带来的干扰,分离出能够反映故障发生时刻的冲击信号,提取出滚动轴承振动信号的故障特征,从循环冲击特征表示出发,将线性峭度指标引入到最小熵解卷积过程中,推导了以最大化线性峭度指标为目标的反向滤波器的设计方法,提出了最大线性峭度解卷积方法(Maximum Linear Kurtosis Deconvolution,MLKD),深入研究滤波器长度和信号长度等参数对MLKD滤波效果的影响规律,提出了可以自动选择最优滤波器长度的MLKD方法。最后通过仿真和实验验证了该方法的有效性,为在传递路径干扰工况下提取滚动轴承的故障特征提供了有效的途径。

关键词：滚动轴承循环冲击线性峭度特征提取

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：