ITD-ILBP-Hankelマトリクスに基づくローリングベアリングの故障識別

科学分野:

• 機械工学
• シグナル処理
• 欠陥診断

背景:

• ベアリングの故障は非静止性および非線形性を示し,故障特徴の抽出を複雑にする.
• 伝統的な1Dローカルバイナリーパターン (1D-LBP) はノイズに敏感であり,不正確な定量化と診断につながります.
• 既存の方法は 複雑な振動信号の故障シグネチャを 効果的に分離し分析するのに苦労しています

研究 の 目的:

• 騒音の干渉と不正確な定量化に対処することによって,ベアリングの故障診断の精度を高める.
• 改良された1D-LBPと内在時間スケール分解 (ITD) とハンケル行列解析を統合した新しい組み合わせ方法を提案する.
• ベアリングの故障特徴を確実に特定するための強力な信号処理戦略を開発する.

主な方法:

• 適切な回転コンポーネント (PRC) を得るために,ファーストオーダー差分とITD分解を含む信号前処理戦略.
• 騒音と極端な値の影響を軽減する値として平方根平均 (RMS) を使用した改良された1D-LBP定量化基準.
• ハンケル行列の構築と信号の再構築を低次元空間で干渉を軽減し,隠された特徴を抽出します.

主要な成果:

• 提案されたITD-ILBP-ハンケル方法は,ノイズを効果的に減らし,1D-LBP定量化の精度を向上させる.
• コンポーネントによる信号処理と再構築は,ベアリングの故障特性を成功裏に強調します.
• 欠陥特性の周波数は正確に抽出され,信頼性の高い欠陥タイプ判断が可能です.

結論:

• 開発されたITD-ILBP-Hankel方法は,古典的な技術と比較して,ベアリングの故障診断を大幅に改善します.
• 新しい量子化基準と信号処理戦略は,故障特性の抽出の強度と有効性を高めます.
• このアプローチは,複雑な産業環境におけるベアリングの故障を診断するための信頼できるツールを提供します.