基于时间 - 小波能量包络谱的滚动轴承特征提取

doi:10.3696/j.issn.1672-6952.2014.03.019

辽宁石油化工大学学报 ›› 2014, Vol. 34 ›› Issue (3): 75-78.DOI: 10.3696/j.issn.1672-6952.2014.03.019

基于时间 - 小波能量包络谱的滚动轴承特征提取

周伟强,侯立刚,苏成利

( 辽宁石油化工大学信息控制工程学院,辽宁抚顺1 1 3 0 0 1)

收稿日期:2014-03-01 修回日期:2014-04-15 出版日期:2014-06-25 发布日期:2017-07-14
通讯作者: 侯立刚( 1 9 6 3 - ) , 男, 硕士, 教授, 从事工业过程的先进控制及应用的研究; E - m a i l : h o u l i g a n g@1 2 6. c o m。
作者简介:周伟强( 1 9 8 3 - ) , 男, 硕士研究生, 从事工业过程的先进控制及应用的研究; E - m a i l : z h o u w e i q i a n g@1 2 6. c o m。
基金资助:
辽宁省高等学校杰出青年学者成长计划项目( L J Q 2 0 1 1 0 3 2) ; 辽宁省科技攻关项目( 2 0 1 1 2 1 6 0 1 1) 。

Feature Extraction of the Rolling Bearing Based on  TimeWavelet Power Envelope Spectrum

Zhou Weiqiang， Hou Ligang，Su Chengli

(School of Information and Control Engineering, Liaoning Shihua University, Fushun Liaoning 113001, China)

Received:2014-03-01 Revised:2014-04-15 Published:2014-06-25 Online:2017-07-14

摘要/Abstract

摘要： 研究了传统包络谱方法在滚动轴承故障诊断中不能准确提取故障特征的问题, 提出了一种基于能量
和包络谱相结合的时间 - 小波能量包络谱分析法。用两种方法对滚动轴承各部位采集到的数据进行了分析对比, 结
果表明, 时间 - 小波能量包络谱分析法比传统包络谱方法能更好和准确地提取出滚动轴承故障的特征频率。

关键词: 故障诊断 , , 时间 - 小波能量包络谱 , , 包络谱 , , 滚动轴承 , 特征提取

Abstract: The traditional envelope spectrum method does not accurately extracting characteristic problems in rolling bearing fault diagnosis, so a new energy and envelope spectrum based on a combination of timewavelet energy envelope spectrum analysis was developed. The various parts of rolling collected data the two methods were analyzed and compared, and show that the proposed method was better than the traditional envelope spectrum and could accurately extract the rolling bearing fault characteristic frequency.

Key words: Fault diagnosis, Time wavelet energy envelope spectrum, Envelope spectrum, Rolling bearing, Feature extraction

周伟强,侯立刚,苏成利. 基于时间 - 小波能量包络谱的滚动轴承特征提取[J]. 辽宁石油化工大学学报, 2014, 34(3): 75-78.

Zhou Weiqiang， Hou Ligang，Su Chengli. Feature Extraction of the Rolling Bearing Based on  TimeWavelet Power Envelope Spectrum[J]. Journal of Liaoning Petrochemical University, 2014, 34(3): 75-78.

[1]	夏起磊, 罗林, 张垚. 基于注意力增强型编解码网络的化工过程故障诊断[J]. 辽宁石油化工大学学报, 2024, 44(2): 63-70.
[2]	赵珣, 陈帅, 邱海洋. 基于改进双向循环神经网络的变压器故障诊断模型研究[J]. 辽宁石油化工大学学报, 2023, 43(5): 75-83.
[3]	姜楠, 罗林, 王乔, 侯维. 结构优化深度网络的高压断路器机械故障诊断[J]. 辽宁石油化工大学学报, 2023, 43(3): 91-96.
[4]	宋绍楼, 吕亮, 刘昕明. 基于CEEMDAN⁃SPSO⁃ELM的旋转电机滚动轴承故障检测方法[J]. 辽宁石油化工大学学报, 2022, 42(1): 86-91.
[5]	周学均, 陈小强, 谢磊. 基于改进收敛交叉映射的厂级振荡源诊断[J]. 辽宁石油化工大学学报, 2021, 41(5): 85-90.
[6]	刘晓琴，王晨旭，孙海军，王千. 基于小波和贝叶斯网络的智能建筑供配电系统故障诊断研究[J]. 辽宁石油化工大学学报, 2020, 40(6): 78-84.
[7]	裴小邓，罗林，陈帅，王乔. 面向电力变压器油中溶解气体的卷积神经网络诊断方法[J]. 辽宁石油化工大学学报, 2020, 40(5): 79-85.
[8]	张瑾, 周雯丽, 王兴, 孔新刚. H₂O₂修饰层状钛酸的离子交换性能[J]. 辽宁石油化工大学学报, 2020, 40(3): 1-7.
[9]	黄惠阳, 曹祖斌, 韩冬云, 梁飞雪, 朱涛, 朱尧. 石油焦化学氧化法脱硫[J]. 辽宁石油化工大学学报, 2020, 40(3): 14-17.
[10]	陈小龙，周俊鹏，张颖，樊瑞筱. 基于声发射波形流信号的滚动轴承故障双谱分析及诊断[J]. 辽宁石油化工大学学报, 2018, 38(03): 89-92.
[11]	陈宇,马贵阳. 障碍物形状对含硫天然气管道泄漏扩散影响的数值模拟[J]. 辽宁石油化工大学学报, 2017, 37(6): 19-24.
[12]	毛春峰,赵荣祥,李秀萍. CH₃CONH₂/ZnCl₂低共熔溶剂脱除模拟油中的硫化物[J]. 辽宁石油化工大学学报, 2017, 37(5): 1-7.
[13]	刘玉娟,许骥,佟宇飞. 氧化铈纳米材料合成方法的研究进展[J]. 辽宁石油化工大学学报, 2017, 37(5): 8-12.
[14]	刘金东,贺新,辛丁业. 四组分在渣油加氢体系前后的转变规律[J]. 辽宁石油化工大学学报, 2017, 37(5): 13-16.
[15]	富玉,李晓鸥,李鹤鸣,等. 超声沉降法强化脱除印尼油砂油中机械杂质[J]. 辽宁石油化工大学学报, 2017, 37(5): 17-21.

基于时间 - 小波能量包络谱的滚动轴承特征提取

Feature Extraction of the Rolling Bearing Based on  TimeWavelet Power Envelope Spectrum

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics