基于GJ与倒谱分析轴承故障诊断.pdfVIP

第 卷第 期 机 电 工 程 年 月 A-PDF Split DEMO : Purchase from www.A-PDF.com to remove the watermark 机电一体化 基于 与倒谱分析的轴承故障诊断 焦卫东 朱有剑 江西理工大学 机电工程学院江西 赣州 嘉兴学院 机电工程学院浙江 嘉兴 摘 要提出了一种基于经验模态分解与幅值倒频谱分析的轴承故障诊断方法 该方法首先对外圈故 障信号作传统的傅里叶幅值谱和幅值倒频谱分析未能明显地找到故障特征然后对故障信号做经验模 态分解并对分解出来的第一层本征模函数作倒频谱分析有效地提取出了故障特征最后用该方法分 别对具有内圈故障和滚动体故障的轴承故障信号作分析也有效地提取出了故障特征 实验结果表明 通过联合经验模态分解和倒频谱分析能有效并且准确地提取出轴承的故障特征频率 关键词经验模态分解倒频谱滚动轴承故障诊断本征模函数 中图分类号 文献标识码 文章编号 突出了数据的局部特征通过对其进行分析可以更准 引 言 确地把握原数据的特征信息 此外每一个 所包 据统计旋转机械的故障有 是由轴承故障引 含的频率成分不仅与采样频率有关而且还随着信号 起的因此轴承的好坏对机器的工作状况影响极大 本身的变化而变化它从根本上摆脱了傅里叶变换的 轴承的缺陷会导致机器剧烈振动和产生噪声甚至会 局限性非常适用于非线性 非平稳过程的信号处 引起设备的损坏 常见的轴承故障有外圈故障 内 理 由于滚动轴承故障特征的非线性非平稳性 圈故障和滚珠故障 采用 方法更能有效提取其故障信息 分解 得到的通过倒频谱分析能把成簇的边频谱线简 滚动轴承故障振动信号一般是非平稳信号 用 传统的傅里叶变换方法分析具有一定的局限性 目 化为单根谱线可以有效地提取故障的周期成分 前对滚动轴承的诊断方法的研究主要集中在统计参 基于以上分析本研究提出一种基于经验模态分 数法 频谱分析法 小波分析法 人工神经网络法 解与幅值倒频谱分析的轴承故障诊断方法 等 经验模态分解 方法是近年来新的信号 基本理论 分析方法它基于信号的局部特征时间尺度可以把信 号分