资料下载
×
利用小波分析早期发现齿轮故障隐患
消耗积分:3 |
格式:rar |
大小:333 |
2009-10-22
名士流
分享资料个
利用小波分析早期发现齿轮故障隐患
王妙云
摘 要：FFT分析方法存在着局限性，采用小波分析、神经网络滤波、相关滤波等方法进行信号预处理，可大大提高信噪比。现场应用情况表明，小波分析方法可在强噪声环境下提取出齿轮振动中的微弱故障信息，及时发现齿轮早期故障隐患。它还可推广应用到存在强噪声、强冲击的滚动轴承和往复机械等的诊断工作中。
关键词：故障诊断；小波；神经网络；噪声
基于FFT分析的故障诊断方法因系建立在信号的平稳性假设基础上，所以仅适用于平稳信号分析。而在工程应用中存在大量的非平稳信号，其频率成分及强度随时变化，如摩擦、松动、裂纹、油膜失稳等产生的故障信号，齿轮、轴承表面缺陷引起的调频、调幅信号等，必须采用能反映信号时变特征的时间一频率两维分析方法。此外，FFT分析其实质是一种线性变换方法，虽然大型旋转机组正常情况下大都可简化为线性系统处理，但是在故障状态下，有时也会表现出较强的非线性，此时FFT分析便不能正确反映信号中的全部信息。
因此，出现了短时傅里叶变换、Wigner分布和小波变换等针对时变信号处理的分析方法，分形、混沌等处理非线性信号的分析方法，以及神经网络滤波、分形滤波、小波分解、奇异谱降噪等多种信号提纯方法，并在诊断实践中初见成效。本文介绍采用小波分析技术提取信号中蕴含的微弱冲击故障信号，大大提高了信噪比。现场应用情况表明，该方法可在强噪声环境下提取设备振动中的微弱故障信息，及时发现早期故障隐患。
王妙云
摘 要：FFT分析方法存在着局限性，采用小波分析、神经网络滤波、相关滤波等方法进行信号预处理，可大大提高信噪比。现场应用情况表明，小波分析方法可在强噪声环境下提取出齿轮振动中的微弱故障信息，及时发现齿轮早期故障隐患。它还可推广应用到存在强噪声、强冲击的滚动轴承和往复机械等的诊断工作中。
关键词：故障诊断；小波；神经网络；噪声
基于FFT分析的故障诊断方法因系建立在信号的平稳性假设基础上，所以仅适用于平稳信号分析。而在工程应用中存在大量的非平稳信号，其频率成分及强度随时变化，如摩擦、松动、裂纹、油膜失稳等产生的故障信号，齿轮、轴承表面缺陷引起的调频、调幅信号等，必须采用能反映信号时变特征的时间一频率两维分析方法。此外，FFT分析其实质是一种线性变换方法，虽然大型旋转机组正常情况下大都可简化为线性系统处理，但是在故障状态下，有时也会表现出较强的非线性，此时FFT分析便不能正确反映信号中的全部信息。
因此，出现了短时傅里叶变换、Wigner分布和小波变换等针对时变信号处理的分析方法，分形、混沌等处理非线性信号的分析方法，以及神经网络滤波、分形滤波、小波分解、奇异谱降噪等多种信号提纯方法，并在诊断实践中初见成效。本文介绍采用小波分析技术提取信号中蕴含的微弱冲击故障信号，大大提高了信噪比。现场应用情况表明，该方法可在强噪声环境下提取设备振动中的微弱故障信息，及时发现早期故障隐患。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
