频率切片小波变换(frequency slice wavelet transform, FSWT)在汲取短时傅里叶变换和小波变换优势的基础上引入了频率切片函数,使传统的傅里叶变换实现了时频分析功能。FSWT通过对比不同频带处理的结果以确定最合适的中心频率及最佳带宽,实现了对信号任意频带及局部特征的重构及描述,但这种方法效率很低、无自适应性且无法保证手动筛选出的频段中包含所需要的故障信息。针对这个问题,该文提出一种自适应频率切片小波变换(adaptive frequency slice wavelet transform, AFSWT)。首先,连续分割信号的频谱,频谱分割覆盖了全频带且避免了手动选取频谱边界的过程,均分的方式可提高计算效率。其次,引入谱负熵作为评价依据,计算每一个频段内信号的复杂程度以筛选可能包含周期性冲击的循环平稳信息。最后,选取其中谱负熵最大的频段并将其定义为最佳的中心频率和带宽,重构该频段信号分量并包络解调分析,实现故障诊断。该方法均匀分割频谱并依据谱负熵筛选信号分量可以提高计算效率且提高筛选准确率。通过模拟信号及实验信号证明了该方法可应用于滚动轴承圈故障诊断。
类型: 期刊论文
作者: 马朝永,盛志鹏,胥永刚,张坤
关键词: 轴承,振动,故障诊断,频率切片小波变换,谱负熵,频谱分割
来源: 农业工程学报 2019年10期
年度: 2019
分类: 农业科技,工程科技Ⅱ辑
专业: 机械工业
单位: 北京工业大学先进制造技术北京市重点实验室,北京工业大学北京市精密测控技术与仪器工程技术研究中心
基金: 国家自然科学基金(51775005,51675009)
分类号: TH133.33
页码: 34-41
总页数: 8
文件大小: 1975K
下载量: 183
本文来源: https://www.lunwen90.cn/article/b1f5beb7ad293b2168ce9473.html