基于SSD和Teager能量算子的滚动轴承故障诊断方法
2020-06-08唐贵基李楠楠王晓龙李琛
河南理工大学学报(自然科学版) 2020年4期
唐贵基,李楠楠,王晓龙,李琛
(1.华北电力大学 机械工程系,河北 保定 071003;2.西安热工研究院,陕西 西安 710000)
0 引 言
滚动轴承是旋转机械中应用最为广泛且最容易发生损坏的元件之一[1]。滚动轴承表面易出现局部损伤故障,如内圈单点点蚀故障、裂纹故障等,故障部位在旋转中与其他元构件不断碰撞,会产生周期性冲击成分[2],而在实际工况下,由于环境噪声、机器振动等影响,提取滚动轴承故障特征信号较为困难。因此,探寻有效的滚动轴承故障诊断方法一直是难点和热点问题。
利用算法对非平稳振动信号进行分解,再选取合适的频带或分量进行故障特征信息提取,是故障诊断中最常用的手段之一。李辉等[3]利用 EMD对振动信号进行分解,得到不同IMF分量信号并对其进行Teager能量算子计算和包络谱分析,完成故障诊断,但EMD模态混叠严重;赵洪山等[4]将最大相关峭度解卷积(MCKD)与变分模态分解(VMD)相结合,有效识别出轴承故障类型,但MCKD滤波器长度的选取缺乏自适应性,降噪效果有待提升;WU Z H等[5]提出了一种噪声辅助方法EEMD,虽然缓解了模态混叠现象,但存在残余噪声影响,计算量大等问题;LI H等[6]提出了时变滤波经验模态方法,缓解了模态混叠问题,但需人为设置B样条阶数,存在盲目性;胥永刚等[7]运用LCD结合Teager能量算子的方法处理滚动轴承故障信号,提取出微弱故障信息,但由于LCD的低频ISC分量存在“驻点”,因此带来误差问题[8]。
2014年,P.Bonizzi等[9]提出一种新的自适应信号处理方法——奇异谱……
登录APP查看全文
