一个改进的无参数实证波量变换用于初始故障识别轮轴承的轮轴承
Yong He1, Tao Zhang1, Hong Wang1
1School of Mechanical and Electronic, Lanzhou Jiaotong University, Lanzhou 7300730, China.
The Review of scientific instruments
|December 28, 2023
概括
本研究引入了一种改进的,无参数的实证波形变换 (EWT),使用顺序统计过器进行强大的滚动轴承故障检测,即使在噪音条件下. 该方法增强了适应模式边界的确定,以更好地诊断故障.
科学领域:
- 机械工程 机械工程
- 信号处理 信号处理
- 状态监控 状态监控
背景情况:
- 经验波形变换 (EWT) 对于检测早期滚动轴承故障至关重要.
- 在EWT中适应模式边界的确定在显著的噪音干扰下具有挑战性.
研究的目的:
- 提出一个改进的,无参数的EWT方法,用于增强自适应模式边界的确定.
- 解决现有的EWT技术在杂环境中的局限性,用于轴承故障检测.
主要方法:
- 使用顺序统计过器 (OSF) 将福里埃光谱替换为信封光谱.
- 封面光谱的局部最小值确定了初始的实证模式.
- 皮尔森的相关系数结合了相邻的模式,并且平均包裹度决定了最终的模式数和边界.
主要成果:
- 拟议的无参数EWT方法在自适应模式边界确定中显示出更好的性能.
- 在加速降解和车轮轴承试验台上的验证证实了该方法的有效性.
- 与实证模式分解 (EMD),集合实证模式分解 (EEMD) 和Autogram进行比较,显示出优异的结果.
结论:
- 改进的无参数EWT为滚动轴承故障检测提供了更强大,更准确的方法.
- 这种方法有效地克服了在适应性频谱细分中强大的噪声干扰所带来的挑战.
- 基于OSF的EWT为机械系统的状态监测和预测性维护提供了有价值的工具.
更多相关视频
08:27Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
Published on: January 5, 2024
1.1K
11:00Experimental Investigation of Secondary Flow Structures Downstream of a Model Type IV Stent Failure in a 180° Curved Artery Test Section
Published on: July 19, 2016
11.6K
