基于VMD重构和DCS解调的滚动轴承故障诊断_第1页
基于VMD重构和DCS解调的滚动轴承故障诊断_第2页
基于VMD重构和DCS解调的滚动轴承故障诊断_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

文章背景｜Background滚动轴承广泛用于各种旋转机械以确保转子正常运转。由于经常遭受重载、交变载荷等复杂工况的作用，其容易出现点蚀、剥落等故障，从而降低机械设备的性能，导致不必要的停机时间和维护成本。监测滚动轴承运行状态，特别是早期故障诊断对于保证机械设备的正常工作具有重要意义。图1含故障的滚动轴承核心理论｜CoreTheory（1）通过变分模态分解（VMD）将复杂非平稳信号自适应分解为一系列从低频至高频的本征模态分量（IMFs）。（2）稀疏度是表征时域信号稀疏特性的统计指标。计算IMFs的稀疏度指标，并借助稀疏度构建权重系数对全部IMFs进行重构以衡量不同IMFs的有效程度并突出敏感IMFs的重要性。（3）基于信号的循环谱密度（CSD），利用循环平稳度（DCS）对重构信号进行解调处理以提取滚动轴承的故障特征频率。

图2基于VMD重构和DCS解调的滚动轴承故障诊断流程文章创新点｜Innovation（1）通过VMD降噪时，为避免选择部分敏感IMFs导致丢失故障信息，提出了基于稀疏度的权重系数以重构所有IMFs，该策略能突出敏感IMFs并保留细节信息。（2）应用DCS对重构信号进行解调分析，进一步抑制信号中的残余噪声成分，实现故障特征的有效识别。图3IMF1-IMF7的权重系数图4所提方法的处理结果文章结论｜Conclusion（1）稀疏度能准确反映VMD分解所得IMFs的敏感程度，利用其构造权重系数能得到含较少背景噪声的重构信号。对比EMD、WT等常见降噪方法，所提VMD重构策略在抑制干扰方面具有一定优势。（2）通过对重构信号进行DCS解调分析，可以清晰、准确地识别滚动轴承的故障特征频率。对比包络解调和TEO解调方法，DCS的解调性能更强，能提高故障特征识别精度。（3）通过仿真及行星轮内圈故障、电机轴承外圈故障及复

人人文库> 全部分类> 教育资料 > 作文作品

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论