检索结果

Select

1. 强背景噪声下基于谱峭度-波束形成轴承故障特征提取

顾佶智, 师蔚, 胡定玉, 廖爱华, 丁亚琦

噪声与振动控制 2022, 42 (3): 110-115.

摘要（327）

PDF（pc）（1808KB）（911）

在利用声学信号分析法对滚动轴承进行故障诊断时，环境噪声或其它设备噪声会严重影响目标声信号的提取并降低诊断精度。针对这一问题，提出一种用于故障特征增强的谱峭度-波束形成方法。该方法首先利用快速谱峭度算法确定最优滤波频带，然后根据确定的频带，利用2 阶锥规划方法设计恒定束宽波束形成器并提取目标频带信号，最后对提取的带限信号进行包络解调得到轴承故障特征频率。实验结果表明，该方法能够在强干扰环境下有效提取滚动轴承故障特征，并且相较于传统的延时求和波束形成器具有更好的效果。

相关文章 | 多维度评价

Select

2. 基于最大相关峭度解卷积和谱峭度的滚动轴承声信号故障特征增强

高锐文, 胡定玉, 师蔚, 廖爱华, 余佑民, 丁亚琦

噪声与振动控制 2022, 42 (2): 102-107.

摘要（365）

PDF（pc）（1798KB）（1042）

采用滚动轴承的声学信号进行状态监测及故障诊断时，环境噪声、传递路径以及其它设备噪声会严重干扰目标信息的提取。针对这一问题，提出一种基于最大相关峭度解卷积和快速谱峭度图的滚动轴承声信号故障特征增强方法。该方法首先利用最大相关峭度解卷积算法对滚动轴承声信号进行解卷积，增强信号中每旋转一周时出现的脉冲信号，削弱噪声信号；然后将谱峭度作为指标，利用快速谱峭度对信号进行滤波分析，获得包含轴承故障信息最丰富的频带；最后对该频带进行包络提取特征频率。仿真及实验结果表明，相较于传统的包络解调，该方法在滚动轴承声信号故障特征提取方面具有更好的降噪性能和故障特征增强效果。