10.13465/j.cnki.jvs.2020.15.009
基于噪声辅助信号特征增强的滚动轴承早期故障诊断
针对滚动轴承振动信号特征提取在滤除干扰噪声的同时会将部分有用信号滤除,造成特征信号丢失的问题,提出了一种基于噪声辅助信号特征增强的滚动轴承早期故障诊断方法.采用广义多尺度排列熵筛选准则筛选振动信号,并通过粒子群优化算法优化Duffing振子系统参数,实现Duffing振子系统、输入信号与噪声间的最优匹配,从而提高随机共振效果,将部分背景噪声能量转移到滚动轴承早期微弱故障信号特征上,实现了早期微弱故障信号特征的增强.将所提方法应用于滚动轴承全寿命状态早期故障诊断,并与基于VMD的自适应形态学方法相比较,结果表明了该方法的有效性和可行性.
滚动轴承、Duffing振子、广义多尺度排列熵、随机共振
39
TP206.3(自动化技术及设备)
国家自然科学基金;江苏省“六大人才高峰”高层次人才;江苏省3D打印装备及应用技术重点建设实验室南通理工学院开放基金;南通市3D打印技术及应用重点实验室;江苏省研究生科研创新计划
2020-09-04(万方平台首次上网日期,不代表论文的发表时间)
共8页
66-73