PDF《基于最大相关峭度反褶积的轴承故障诊断方法》

7 *Q!: ! K MG W 内圈故障频率为7 0Q &

: K M G W 由 图可以看出 信号有微弱的冲击成分利用 3A B

8 算法降噪后 如图&

1 所示 可以看到信号中周期 性的冲击成分明显提高 每个冲击之间的间隔约为 $: # U5 对应 为轴转频说明此时已出现故障但 是 利用图&

= 中的包络谱并不能显示故障的位置利用D B 理论分析去噪后的信号 如图&

>

所示可以清楚地看到内圈故障特征频率 相应的倍频 及很强的频率调制带 表明该轴承已处在滚动轴承 内圈故障的初期该故障对设备的正常运行不会产 生很大影响 但需要继续跟踪监测此故障的发展 图M , 为M月# &

日热连轧机咬钢后 系统记 录的振动信号此时采样频率为% $? G W 轴转频为

7 *Q!: &

&

#G W 内圈故障频率为7 0QK $: N %G W 从图&

&

月% $日的振动信号分析 O

0 9 : &

F V 4@

0 1 * ,

2 0 +

95 0

9 + , - , + , - S

5 0 5( .

2 V 4>

,

2 , . ( * '

) + 4% $ ! M K 第!期武 兵 等基于最大相关峭度反褶积的轴承故障诊断方法 图M M月# &

日振动信号分析 O

0 9 : M F V 4@

0 1 * ,

2 0 +

95 0

9 + , - , + , - S

5 0 5( .

2 V 4>

,

2 , . ( * '

) - S# &

图上 可以看出信号有强烈的冲击成分利用3A B

8 算法降噪后 如图M

1 所示 可以看到信号 中的周期性冲击已发生幅值调制 每个调制的间隔 约为U: U % M6

5 对应频率约为% $ $: N G W 接近轴承 内圈故障特征频率的两倍在其他时段冲击成分减 小 甚至消失 根据图M = 与图M >

信号的包络谱与去噪后 信号的平方包络谱均可以清楚地看到内圈故障特征 频率 相应的倍频及很强的频率调制带 表明该轴承 内圈故障已经非常严重 必须尽快采取措施 图N , 为N月#日更换轴承后 热连轧机咬钢 后系统记录的振动信号从图N

1 可以看出 不论 是原始信号或者是 3A B

8 去噪后的信号均无明显 的冲击成分且幅值很小由图N = 与图N >

可以 看出 信号包络谱与去噪后信号的平方包络谱均无 明显的故障特征频率成分 表明轴承已经恢复到正 常工作状态 图N N月#日振动信号分析 O

0 9 : N F V 4@

0 1 * ,

2 0 +

95 0

9 + , - , + , - S

5 0 5( .

2 V 4>

,

2 , . ( * I )

9 )

5 2 # 结束语 3A B

8 方法就是寻找一个 O P J 滤波器 使原始 时间序列的相关峭度最大 从而有效提取信号中被 M K 振 动测 试 与 诊 断 第! 卷 噪声淹没的周期冲击成分 抑制信号中的噪声 实现 信号降噪 提升原信号的峭度 适宜于提取旋转机械 故障信号中含有的早期微弱故障特征%对信号使用 3A B

8 方法降噪后 可以突出信号中的高频信息 再利用D B 方法选择合理频带 将信号中的低频信 息从高频信息中解调出来 形成 3A B

8 E D B 方法% 通过实际监测数据的分析 证明 3A B

8 E D B 方法可 以有效地消除滚动轴承故障信号中混有的强背景噪 声 准确地诊断滚动轴承........