基于共振稀疏分解与子带增强的滚动轴承声学诊断方法
2021-04-06于功也
北京化工大学学报(自然科学版) 2021年1期
于功也 马 波* 闫 戈
(1.北京化工大学 机电工程学院,北京 100029; 2.北京化工大学 高端机械装备健康监控与自愈化北京市重点实验室,北京 100029; 3.中国船舶工业综合技术经济研究院,北京 100081)
引 言
滚动轴承是旋转机械中最为关键的部件之一,针对其进行状态监测及故障诊断对于维护设备的安全运行具有重大意义[1-3]。目前针对轴承的状态监测及故障诊断技术主要以振动监测及温度监测为主。近年来,声音信号在轴承故障诊断领域的应用备受关注[4]。基于声音信号的测量与分析实现设备状态监测及故障诊断的分析方法被称为声学诊断技术(acoustical-based diagnosis, ABD)[5]。振动及温度等接触式测量传感器采集所得信号受外界干扰较小,信号稳定性强,但在高温、高压、高腐蚀等恶劣环境下传感器安装较为困难。声信号测量相比于接触式测量具有无需黏附传感器、测量方便灵活且不影响设备正常工作等优点[6],但声信号测量受环境影响较大,信号成分复杂且信噪比较低,一定程度上限制了声学诊断技术的应用。
近年来,国内外学者针对轴承的声信号监测及诊断技术研究取得了较多研究成果。Amarnath等[7]提出一种将经验模态分解(empirical mode decomposition,EMD)应用于轴承故障诊断的声信号处理方法,但该方法并未结合轴承声信号受环境噪声干扰较大的特点对EMD算法进行改进,在复杂声场条件下诊断结果准确率较低。Law等[8]将小波分析与希尔伯特- 黄变换相结合对轴承声信号进行分析,解决了EMD的模态混叠问题,但在复杂声场环境下运算量较大,无法在实际工程测量环境中实现有效应用。……
登录APP查看全文