针对经验小波变换(Empirical wavelet transform, EWT)对强噪声环境中滚动轴承微弱故障诊断的不足,主要是傅里叶频谱分段不当的问题。提出一种基于最大相关峭度解卷积(Maximum correlated kurtosis deconvolution, MCKD)降噪与改进EWT相结合的滚动轴承早期故障识别方法。首先采用最大相关峭度解卷积算法以包络谱的相关峭度最大化为目标对原信号进行降噪处理、检测信号中的周期性冲击成分,然后根据信号Fourier频谱的包络极大值进行分段,通过分析各频段平方包络谱中明显的频率成分来诊断故障。新方法能有效降噪、增强信号中周期性冲击特征、降低单次偶然冲击的影响、抑制非冲击成分。通过对含外圈、内圈故障的滚动轴承进行试验分析,结果表明,相比于快速谱峭度图和小波包络分析方法,该方法提取出的特征更加明显,能有效实现滚动轴承早期微弱故障的识别。
类型: 期刊论文
作者: 李政,张炜,明安波,李峥,褚福磊
关键词: 经验小波变换,快速谱峭度图,最大相关峭度解卷积,小波包络分析,滚动轴承
来源: 机械工程学报 2019年23期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 机械工业
单位: 清华大学机械工程系,火箭军工程大学导弹工程学院
基金: 国家自然科学基金资助项目(51335006,51505486)
分类号: TH133.33
页码: 136-146
总页数: 11
文件大小: 1579K
下载量: 599
本文来源: https://www.lunwen90.cn/article/0059308ce97f3610ccc0005e.html