文档名：基于DTCWT和MED的齿轮箱轴承早期故障诊断
针对齿轮箱轴承早期故障特征信号微弱且受环境噪声影响严重,故障特征信息难以识别的问题,提出了双树复小波变换(Dual-TreeComplexWaveletTransform,DT-CWT)和最小熵反褶积(MinimumEntropyDeconvolution,MED)的故障诊断方法.首先对采集到的振动信号进行双树复小波分解,得到几个不同频段的分量,由于噪声的干扰,从各个分量的频谱中很难对故障做出正确的判断.然后对包含故障特征的分量进行最小熵反褶积滤波处理以消除噪声影响,凸显故障特征信息.最后对滤波后的信号进行Hilbert包络谱分析,即可从中准确地识别出轴承的故障特征频率.通过对齿轮箱轴承故障实验数据的分析,验证了该方法的有效性与优越性.
作者：王朝阁李宏坤杨蕊侯梦凡欧佳玉唐道龙
作者单位：大连理工大学机械工程学院,辽宁大连116024
母体文献：2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议论文集
会议名称：2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议
会议时间：2018年8月1日
会议地点：内蒙古包头
主办单位：中国机械工程学会,中国振动工程学会,中国设备管理协会
语种：chi
分类号：
关键词：齿轮箱轴承 早期故障诊断 双树复小波变换 最小熵反褶积
在线出版日期：2021年12月15日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.3 MB
- 下载次数:
- 60
-
高速下载
|
|
