›› 2018, Vol. 38 ›› Issue (2): 154-161.DOI: 10.3969/j.issn.1006-1355.2018.02.030

Previous Articles     Next Articles

 Application of MCKD and RSSD in Early Fault Diagnosis of Rolling Bearings

  

  • Received:2017-07-18 Revised:2017-09-25 Online:2018-04-18 Published:2018-04-18

MCKD和RSSD在滚动轴承早期故障诊断中的应用

杨 斌1张家玮1樊改荣2王建国1,张    超1   

  1. ( 1. 内蒙古科技大学  机械工程学院,内蒙古  包头  014010;
    2. 内蒙古第一机械集团有限公司第四分公司,内蒙古  包头市  014030 )
  • 通讯作者: 张家玮

摘要:

由于干扰噪声较强,共振稀疏分解在滚动轴承早期故障阶段并不能有效提取瞬态冲击成分。针对此问题提出基于最大相关峭度解卷积(Maxim Correlated Kurtosis Deconvolution,MCKD)和共振稀疏分解(Resonance Sparse Signal Decomposition,RSSD)相结合的故障特征提取方法。该方法首先利用MCKD对振动冲击信号进行处理,有效降噪并突出故障信号尖脉冲,然后使用共振稀疏分解将信号分解成包含谐波信号的高共振分量与包含瞬态冲击信号的低共振分量,最后利用包络功率谱根据低共振分量提取故障特征频率。通过仿真和试验验证了该方法可以准确提取故障特征频率,凸显故障特征。

关键词: 振动与波, 滚动轴承, 故障诊断, 共振稀疏分解, 最大相关峭度解卷积

CLC Number: