期刊文章详细信息
滚动轴承复合故障特征分离的小波-频谱自相关方法 ( EI收录)
Compound Fault Features Separation of Rolling Element Bearing Based on the Wavelet Decomposition and Spectrum Auto-correlation
文献类型:期刊文章
机构地区:[1]清华大学摩擦学国家重点实验室,北京100084 [2]第二炮兵工程大学六系,西安710025
基 金:国家自然科学基金(51075224);清华大学自主科研计划课题(2011Z08137);摩擦学国家重点实验室自主研究课题(SKLT11A02)资助项目
年 份:2013
卷 号:49
期 号:3
起止页码:80-87
语 种:中文
收录情况:AJ、BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号:20131316153266)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊
摘 要:为解决从单通道振动信号中实现复合故障特征分离的问题,提出基于小波框架理论的小波-频谱自相关方法。该方法采用正交小波基函数将复合故障信号分解为多个不同尺度的子信号后,对各子信号分别进行频谱自相关分析。研究表明:频谱自相关方法能够去掉时域自相关方法产生的拖尾现象,能量集中性更高、抗噪能力更强,能够突出复合故障信号中能量较大的冲击故障特征。对6220轴承内、外圈复合故障试验信号分析的结果表明:小波-频谱自相关方法将复合故障特征分解到不同通道后,有效地抑制各子信号中能量较弱的故障特征,实现了内、外圈复合故障特征分离。在相同的小波分解条件下,小波-频谱自相关方法比小波-包络谱的特征分离效果更好,具有较高的工程应用价值。
关 键 词:滚动轴承 复合故障 特征分离 小波分解 频谱自相关
分 类 号:TH165]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...