基于LMD和增强包络谱的滚动轴承故障分析
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TH133.3

基金项目:

中央高校基本科研业务费专项资金资助项目(2014MS17)


Fault Diagnosis for Roller Bearing Based on Local Mean Decomposition -and Enhanced Envelope Spectrum
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对滚动轴承发生故障时振动信号幅值分布的峭度和歪度都会发生变化的特点,提出基于峭度-歪度的局部均值分解分量筛选准则,将峭度值和歪度绝对值最大的分量筛选出来并重构故障信号,以达到降噪的目的。对降噪后的信号进行增强包络谱分析,得到故障的特征频率。应用提出的新方法对实测的滚动轴承外圈、滚动体和内圈发生故障时的振动信号分别进行了分析。结果表明,基于峭度-歪度的局部均值分解分量筛选准则有效地降低了信号中的噪声,在此基础上应用增强包络谱有效地减少带内噪声影响,从而使故障特征信息凸现出来,有利于对滚动轴承的各种故障进行诊断。

    Abstract:

    To reduce signal noise, we proposed a kurtosis-skewness screening criteria (KSSC) of local mean decomposition (LMD). We chose the maximal kurtosis or absolute skewness values to reconstruct the signal, then analyzed the de-noising signal using the enhancedenvelope spectrum (EES) to obtain the characteristic frequencies. Finally, we used the proposed method to analyze the vibration signals of roller bearings under outer raceway fault, ball fault and inner raceway fault. The signal noise was greatly reduced using the KSSC and EES, indicating promising applications for the diagnosis of all kinds of roller bearing faults.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2017-07-05
  • 出版日期:
您是第位访问者
振动、测试与诊断 ® 2024 版权所有
技术支持:北京勤云科技发展有限公司