收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于无迹卡尔曼滤波的动态贝叶斯小波变换在轴承故障诊断中的应用

赵靖  廖英英  杨绍普  刘永强  顾晓辉  
【摘要】:针对工程实际中滚动轴承发生故障的类型具有典型性和故障信号具有冲击性,且振动信号的频率成分因外界环境的影响而变得极其复杂的特点,提出了一种基于负熵和无迹卡尔曼滤波的动态贝叶斯小波变换方法。该方法将SE(Squared Envelope) Infogram方法应用到无迹卡尔曼滤波方法(Unscented Kalman Filter, UKF)中,利用SE Infogram确定滤波器参数初值,即中心频率与带宽的初值,结合UKF对中心频率与带宽进行优化,以最优中心频率与带宽对振动信号进行滤波分析,对滤波后的信号进行包络解调分析,实现轴承微弱故障特征的提取。利用负熵指标代替以往研究所用的峭度指标,可以有效消除或削弱高峰值干扰的影响。最后,通过对仿真信号和轮对轴承试验信号对提出的方法进行了验证。结果表明,该方法能够有效提取强背景噪声下轴承外圈、内圈故障和滚动体故障,验证了该方法对轴承微弱故障诊断的有效性。

知网文化
【相似文献】
中国期刊全文数据库 前15条
1 彭涛,谢勇;小波变换在轴承故障诊断中的应用[J];株洲工学院学报;2002年01期
2 李云朋;熊柳景;牛刚;;嵌入式轴承故障诊断系统的设计与实现[J];国外电子测量技术;2019年11期
3 邵岩;卢迪;杨广学;;分数阶傅里叶变换在轴承故障诊断中的应用[J];哈尔滨理工大学学报;2017年03期
4 乔世民;轴承故障诊断技术的发展[J];中国设备管理;1989年01期
5 于岩;许继秀;张梦超;石浩;;小波分析和小波包分析在轴承故障诊断中的对比分析[J];煤矿机械;2019年12期
6 沙美妤;刘利国;;基于振动信号的轴承故障诊断技术综述[J];轴承;2015年09期
7 杨炎炎;;轴承故障诊断措施研究[J];现代农机;2020年03期
8 陈科百;;基于小波变换的滚动轴承故障诊断[J];内燃机与配件;2020年02期
9 袁洪芳;姜宇萱;王华庆;;基于词袋模型和极限学习机的轴承故障诊断[J];测控技术;2017年02期
10 刘琦;;基于小波分析的轴承故障诊断研究[J];煤;2013年07期
11 陶新民;徐晶;刘兴丽;刘玉;;基于最大小波奇异谱的轴承故障诊断方法[J];振动、测试与诊断;2010年01期
12 苏明辉;薛光辉;赵国瑞;张明;;渣浆泵轴承故障诊断系统设计与应用[J];煤炭工程;2009年02期
13 姜绍俊;;小波变换在轴承故障诊断中的研究[J];电脑知识与技术;2009年18期
14 唐波;陈慎慎;;基于深度卷积神经网络的轴承故障诊断方法[J];电子测量与仪器学报;2020年03期
15 王名月;缪炳荣;袁成标;;基于小波包分解与局部均值分解排列熵的自适应轴承故障诊断[J];装备机械;2017年02期
中国重要会议论文全文数据库 前10条
1 高耀智;谭援强;;基于1(1/2)谱与小波分析相结合的滚动轴承故障诊断[A];2009年全国青年摩擦学学术会议论文集[C];2009年
2 刘锋;马怀祥;王亚涛;;基于共振解调的滚动轴承故障诊断[A];现代振动与噪声技术(第九卷)[C];2011年
3 徐新韬;王华庆;沈伟;李岭阳;杨晓;;基于信息融合与1.5维谱的轴承故障诊断方法[A];2015年中国机械工程学会设备与维修工程分会学术年会论文集[C];2015年
4 郜普刚;何田;林意洲;刘献栋;;基于局部均值分解的滚动轴承故障诊断[A];2010中国汽车工程学会年会论文集[C];2010年
5 李琳;张永祥;童艳;;基于声发射和高阶谱分析的滚动轴承故障诊断[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
6 任获荣;马亚男;李胜刚;;熵随机共振在轴承故障诊断中的应用研究[A];2012年陕西省焊接学术交流会论文集[C];2012年
7 沈路;周晓军;张杰;;基于形态非抽样小波与灰色关联度的滚动轴承故障诊断[A];2011年机械电子学学术会议论文集[C];2011年
8 曹亮;王景霖;沈勇;单添敏;林泽力;陈杰;;基于HMM的轴承故障诊断方法[A];“测试性与智能测控技术”——2018年中国航空测控技术专刊[C];2018年
9 陶新民;徐晶;杜宝祥;徐勇;;基于相空间奇异谱的SOM轴承故障诊断模型[A];第二十七届中国控制会议论文集[C];2008年
10 单添敏;曹亮;沈勇;王景霖;林泽力;陈杰;;基于Fisher判别的轴承故障诊断与健康评估方法研究[A];“测试性与智能测控技术”——2018年中国航空测控技术专刊[C];2018年
中国硕士学位论文全文数据库 前10条
1 王蕾蕾;基于深度自编码网络的轴承故障诊断研究[D];华北电力大学;2019年
2 李妍;基于改进极限学习机的轴承故障诊断方法研究[D];西安科技大学;2019年
3 彭刘阳;基于振动信号的滚动轴承故障诊断与状态识别方法研究[D];中国矿业大学;2019年
4 董德亿;基于输出信号相关性分析的轴承故障诊断方法[D];杭州电子科技大学;2018年
5 徐剑涛;基于极点对称模态分解及改进支持向量机的轴承故障诊断[D];燕山大学;2018年
6 齐申武;基于振动信号分析的滚动轴承故障诊断及寿命预测研究[D];燕山大学;2018年
7 黄阳;基于振动信号降噪与分解的轴承故障诊断研究[D];西安理工大学;2018年
8 高冠琪;时频挤压阶比方法及其变转速轴承故障诊断研究[D];苏州大学;2019年
9 黄建新;多传感器数据融合技术在轴承故障诊断中的应用研究[D];武汉理工大学;2006年
10 叶友谊;基于优化支持向量机的滚动轴承故障诊断[D];福州大学;2014年
中国重要报纸全文数据库 前1条
1 通讯员 蔡义杰 记者 唐先武;轴承故障诊断有了“透视镜”[N];科技日报;2001年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978