一种微弱故障特征增强的旋转机械故障诊断方法(MATLAB)

导致轴承失效的根本原因是由异常磨损和局部间的机械冲击所导致的。对轴箱轴承日常运转的下所产生的均匀磨损而言,其振动信号特征与正常轴承振动信号大致一样,随机性较强,其概率密度函数呈现出高斯分布的现象,但由于磨损所导致的不规则接触会使得前者的振动信号幅值大于正常轴承振动信号幅值。根据这一特性,在日常的监测中,常使用峰值来作为监测指标,当某振动信号峰值大幅超越正常轴承峰值时,可初步判定发生了均匀磨损。当异物侵入轴承零部件表面产生点蚀坑时,轴承会产生局部冲击故障。相比于局部冲击故障,均匀磨损不会迅速导致轴承发生严重失效,其有害性相较于局部冲击故障更小。局部冲击故障随机突发性强且极易加速轴承损坏,也使得其成为了运维单位和学者关注的重点问题。

在轴承运转过程中出现局部冲击故障现象时,由于轴承的高速转动,会产生时域上宽度很小的周期性脉冲力,用数学可描述为一个狄拉克函数。高频的冲击力会覆盖系统的固有频率,引发共振,导致轴承机械结构产生很大的变形和动应力,造成破坏性事故。而当滚动体远离缺陷处时,冲击振动会由于系统阻尼的存在慢慢衰减。可知,轴承局部缺陷引发的局部冲击是自由衰减振动,且会激发两类频率成分,一类是滚动体周期性滚过缺陷处所引起的低频振动,另一类是受局部冲击影响所导致系统高频固有振动。

轴承通过缺陷处所引起的低频振动的频率即为轴承故障特征频,由理论计算和振动信号实测的故障特征频通常远低于系统固有频率,所以“低频”是相对而言的,而轴承零部件众多,所以激发的固有频率成分可能包含滚动体固有振动频率、内圈固有振动频率、外圈固有振动频率,甚至可能包含传感器固有频率成分。

轴承局部缺陷引发的冲击信号具有明显的调幅特性,起调制作用的成分为与局部冲击相关的故障特征频率。而根据局部缺陷产生的位置可分为三类信号:外圈故障信号、内圈故障信号、滚动体故障信号。

(1)外圈故障信号特征

轴承外圈由于与轴承座过盈配合,其位置固定不变。作用在轴承上的载荷方向通常也固定不变,因此局部缺陷引发的振动传递到振动加速度传感器的路径也不会发生变化。所以从时域上来看,滚动体每次运动到缺陷反馈到振动信号中的幅值大小基本不会发生变化。外圈故障特征频的倒数即为相邻两次冲击的周期。

(2)内圈故障信号特征

与外圈故障信号特征类似,滚动体与受损部位在滚动过程中碰撞产生的冲击振动周期是内圈故障特征频率的倒数。但内圈通常固定在轴上随轴共同转动,所以其损伤位置、以及冲击振动传递到振动加速度传感器的路径也会随时间发生周期性变化,因此内圈故障振动信号中往往包含转频调制成分。内圈缺陷离传感器位置更远,先后要经过滚动体、保持架、外圈、轴承座或其他界面才能到达振动加速度传感器,经过较长传递路径的损耗后所采集到的内圈局部冲击特征往往较为微弱,也更难提取。

(3)滚动体故障信号特征

与前两者类似,滚动体局部缺陷所产生的冲击振动周期即为滚动体故障特征频率倒数。滚动体在运转过程中自身旋转的同时还与保持架一同旋转做公转运动,由于传递路径的影响,滚动体缺陷经过外圈所产生的振幅明显大于经过内圈的振幅,因此滚动体故障信号在时域上看呈现出明显的调幅特性。由于滚动体与随保持架做公转运动的特点,滚动体故障信号受保持架转频调制影响比较明显。

鉴于此,采用一种微弱故障特征增强的旋转机械故障诊断方法,该方法基于稀疏先验最大化后验概率,运行环境为MATLAB。

for k = 1:Nitfor j = 1:J+1u{j} = soft(w{j}+d{j}, T(j)) - d{j};endd = tqwt_radix2(C*x - C*itqwt_radix2(u,Q,r,N),Q,r,J);for j = 1:J+1w{j} = d{j} + u{j};end% If cost function is to be computed...if COSTres = x - itqwt_radix2(w,Q,r,N);              % residualcostfn(k) = sum(abs(res).^2);for j = 1:J+1costfn(k) = costfn(k) + lam(j)*sum(abs(w{j}));endend
完整代码可通过知乎学术咨询获得:
https://www.zhihu.com/consult/people/792359672131756032?isMe=1
end

图片

图片

擅长领域:现代信号处理,机器学习,深度学习,数字孪生,时间序列分析,设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/32401.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

37 - 上级经理已离职的公司员工(高频 SQL 50 题基础版)

37 - 上级经理已离职的公司员工 selecte1.employee_id fromEmployees e1 left join Employees e2 on e1.manager_id e2.employee_id wheree2.manager_id is null and e1.manager_id is not null and e1.salary<30000;

《计算机英语》 Unit 5 Networking 网络

Section A Networking 网络 The need to share information and resources among different computers has led to linked computer systems, called networks, in which computers are connected so that data can be transferred from machine to machine. 不同计算机之间共享…

什么是正态分布

最重要的连续分布的通用名是概率密度函数&#xff0c;而标准正态分布&#xff08;Standard Normal Distribution&#xff09; 是最重要的概率密度函数。这个连续分布之所以重要&#xff0c;我认为是因为它非常常见&#xff0c;换句话说&#xff0c;我们会很常用到它。标准正态分…

C++基础编程100题-012 OpenJudge-1.3-10 计算并联电阻的阻值

更多资源请关注纽扣编程微信公众号 http://noi.openjudge.cn/ch0103/09/ 描述 对于阻值为r1和r2的电阻&#xff0c;其并联电阻阻值公式计算如下&#xff1a; R 1/(1/r1 1/r2) 输入 两个电阻阻抗大小&#xff0c;浮点型&#xff0c;以一个空格分开。 输出 并联之后的阻…

【tomcat】tomcat系统架构以及核心启动流程

对于web后端开发工程师来说&#xff0c;tomcat作为一个应用服务器框架本质上就是一个HTTP服务Servlet容器。研究过spring、spring mvc源码的同学应该了解&#xff0c;spring mvc其实就是基于Servlet规范实现的请求的转发路由、转发处理。而Spring和SpringMVC就是通过web.xml文件…

如何在Java中使用正则表达式进行文本处理

如何在Java中使用正则表达式进行文本处理 大家好&#xff0c;我是免费搭建查券返利机器人省钱赚佣金就用微赚淘客系统3.0的小编&#xff0c;也是冬天不穿秋裤&#xff0c;天冷也要风度的程序猿&#xff01; 在Java编程中&#xff0c;正则表达式&#xff08;Regular Expressio…

python将音频文件从8kHz采样率转换为16kHz采样率,并保持双声道,立体声

要将音频文件从8kHz采样率转换为16kHz采样率&#xff0c;并保持双声道&#xff0c;可以使用Python中的pydub库&#xff0c;它简单易用&#xff0c;非常适合这类音频处理任务。但请注意&#xff0c;使用pydub之前需要确保你的系统中已安装ffmpeg&#xff0c;因为pydub依赖于ffmp…

Elasticsearch过滤器(Filter):原理及使用

Hi~&#xff01;这里是奋斗的小羊&#xff0c;很荣幸您能阅读我的文章&#xff0c;诚请评论指点&#xff0c;欢迎欢迎 ~~ &#x1f4a5;&#x1f4a5;个人主页&#xff1a;奋斗的小羊 &#x1f4a5;&#x1f4a5;所属专栏&#xff1a;C语言 &#x1f680;本系列文章为个人学习…

Ruby编程语言学习

学习Ruby编程语言&#xff0c;你可以按照以下步骤进行&#xff1a; ### 1. 基础知识入门 #### 安装Ruby - 访问Ruby官网&#xff08;https://www.ruby-lang.org/&#xff09;下载适合你操作系统的版本。 - 对于Linux用户&#xff0c;可以使用包管理器安装。 #### 学习资源 -…

【MATLAB源码-第227期】基于matlab的北方苍鹰优化算法(NGO)机器人栅格路径规划,输出做短路径图和适应度曲线。

操作环境&#xff1a; MATLAB 2022a 1、算法描述 鼠群优化算法&#xff08;Rat Swarm Optimization, RSO&#xff09; 简介 鼠群优化算法&#xff08;Rat Swarm Optimization, RSO&#xff09;是一种模仿鼠类群体觅食行为的优化算法。该算法属于群体智能算法&#xff0c;通…

ElementPlus el-date-picker日期时间选择器组件禁用此刻之前的时间(精确时分秒)

需求&#xff1a;如上图所示&#xff0c;此刻之前的日期和时间都不可选&#xff0c;也就是选择当天的话需要限制时间选择器&#xff0c;如果选择的是今天之后的日期则不需要限制时间选择器。 实现思路 限制日期 使用DateTimePicker 日期时间选择器 的disabled-date 限制时间…

yolov8训练初体验

最近在爬一些数据&#xff0c;有些网址的验证码比较难搞&#xff0c;于是使用yolov8来解决。 一、数据打标签并转为txt 使用的软件为X-AnyLabeling。内置各种模型&#xff0c;方便打标。 打标完成后由于是json格式&#xff0c;所以我们使用python转换即可 import json import…

awdawdad

作者主页&#xff1a; 作者主页 本篇博客专栏&#xff1a;C 创作时间 &#xff1a;2024年6月20日 最后&#xff1a; 十分感谢你可以耐着性子把它读完和我可以坚持写到这里&#xff0c;送几句话&#xff0c;对你&#xff0c;也对我&#xff1a; 1.一个冷知识&#xff1a; …

阿赵UE引擎C++编程学习笔记——C++自定义蓝图函数

大家好&#xff0c;我是阿赵。   使用UE引擎&#xff0c;大部分功能都可以使用蓝图的自带节点去完成。但有时候我们也需要扩展一些蓝图没有的功能。这一篇主要学习一下怎样用C给蓝图新增自定义的函数节点。 一、 新建蓝图函数库 在添加C类的时候&#xff0c;选择蓝图函数库&…

指纹浏览器与虚拟机的区别及在跨境电商中的应用

在如今数字化世界中&#xff0c;隐私和安全变得愈发重要。许多人在网络上进行敏感操作&#xff0c;如网上购物、在线银行、社交媒体管理等。为了保护自己的隐私&#xff0c;人们常常会寻求一些额外的工具&#xff0c;比如指纹浏览器和虚拟机。这两种工具在保护个人隐私方面都有…

Thinkphp5内核流浪猫流浪狗宠物领养平台H5源码

Thinkphp5内核流浪猫流浪狗宠物领养平台H5源码 可封装APP&#xff0c;适合做猫狗宠物类的发信息发布&#xff0c;当然懂的修改一下&#xff0c;做其他信息发布也是可以的。 Thinkphp5内核流浪猫流浪狗宠物领养平台H5源码

Linux常用命令(14)—查看文件内容(有相关截图)

写在前面&#xff1a; 最近在学习Linux命令&#xff0c;记录一下学习Linux常用命令的过程&#xff0c;方便以后复习。仅供参考&#xff0c;若有不当的地方&#xff0c;恳请指正。如果对你有帮助&#xff0c;欢迎点赞&#xff0c;关注&#xff0c;收藏&#xff0c;评论&#xf…

JavaScript 冷知识大赏:带你领略不一样的编程乐趣

个人主页&#xff1a;学习前端的小z 个人专栏&#xff1a;JavaScript 精粹 本专栏旨在分享记录每日学习的前端知识和学习笔记的归纳总结&#xff0c;欢迎大家在评论区交流讨论&#xff01; 文章目录 &#x1f4af;JavaScript 中的小 tips&#x1f4e7;1 严格模式&#x1f49e;…

ython机器学习分类算法(六)-- 逻辑回归(Logistic Regression)

逻辑回归原理 逻辑回归虽然名为“回归”&#xff0c;但实际上是一种用于处理二分类或多分类问题的分类算法。其核心思想是&#xff0c;利用线性回归模型的预测结果逼近真实标记的对数几率&#xff08;log odds&#xff09;&#xff0c;因此得名“逻辑回归”。具体来说&#xff…

一个简单的UDP客户端和服务端的完整C++示例

下面是一个简单的UDP客户端和服务端的完整C示例。这个示例展示了如何创建一个UDP客户端和服务端&#xff0c;并在它们之间发送和接收消息。 cpp UDP 服务端 cpp // udp_server.cpp #include <iostream> #include <cstring> #include <sys/types.h> #include …