强噪声背景下动车组轴承微弱故障信号检测OA北大核心CSCDCSTPCD
DOI:10. 12263/DZXB. 20201086 Detection of Weak Fault Signals for EMU Bearings Under Strong Noise
动车在高速行驶中,齿轮箱轴承易发生裂纹、点蚀等故障.为了在故障发生的初期检测出微弱的故障频率成分,本文提出了一种基于小波降噪预处理的周期势振动共振的轴承故障诊断方法.利用小波包提取轴承的固有共振频带,重构提取出的信号,滤除其中的强噪声干扰,随后将信号输入周期势振动共振系统,增强了故障特征.同时,本文建立了考虑振动共振系统中高频激励信号幅值的优化模型,并采用蚁群算法实现了其参数的自适应优化,得到输出信号后将其转化到频域分析,从而检测出轴承早期故障.实例分析表明,所提方法的数据处理结果相比单独采用随机共振的结果更精确,误差缩减至0.3％.
孙鑫威;纪爱敏;陈曦晖;林新海;许行
河海大学机电工程学院,江苏常州213000河海大学机电工程学院,江苏常州213000河海大学机电工程学院,江苏常州213000中车戚墅堰机车车辆工艺研究所有限公司,江苏常州213000中车戚墅堰机车车辆工艺研究所有限公司,江苏常州213000
信息技术与安全科学
齿轮箱轴承微弱故障信号小波降噪周期势振动共振蚁群算法
《电子学报》 2021 (11)
2217-2224,8
评论