适应性盲色解卷分解及其应用在滚动轴承的复合故障诊断中

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:

• 检测滚动轴承故障对于旋转机械的运行安全至关重要.
• 最大二次循环静止性盲解卷 (CYCBD) 可以提取弱断层特征,但与复合断层和噪声作斗争.
• 现有的盲目解卷方法在复杂的故障场景中经常失败,背景干扰很大.

研究的目的:

• 提出一种自适应性盲解卷 (ABDD) 方法,以克服复合轴承故障诊断中CYCBD的局限性.
• 为了增强弱故障的提取周期脉冲特征在强大的背景噪声的存在.
• 准确诊断滚动轴承的单一和复合故障.

主要方法:

• 开发了一种基于改进的CYCBD的自适应性盲解卷 (ABDD) 方法.
• 构建了一个有限冲动响应 (FIR) 过器银行,用于在信号的整个频段中对故障频率进行细分.
• 利用改进的CYCBD获得故障频率锁定过器模式,按相关性曲解 (CK) 排序,以进行最佳模式选择和频谱分析.

主要成果:

• 通过ABDD方法成功地提取了轴承复合材料故障特征.
• 模拟和实验结果验证了ABDD在噪音条件下的有效性.
• 与经典特征分解和盲目解卷方法相比,ABDD在单个和复合故障方面表现出优异的性能.

结论:

• 拟议的ABDD方法为诊断滚动轴承故障,特别是噪音环境中的复合故障提供了强大的解决方案.
• ABDD显著提高了旋转机械中故障特征提取的准确性和可靠性.
• 这一进步有助于提高机械的运行安全性和预测性维护策略.