• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于小波去噪的機(jī)車牽引電機(jī)軸承故障診斷仿真研究

      2019-08-06 03:01:22楊春潔
      中國(guó)設(shè)備工程 2019年13期
      關(guān)鍵詞:特征頻率波包機(jī)車

      楊春潔

      (中國(guó)中車大連機(jī)車車輛有限公司,遼寧 大連 116021)

      牽引電機(jī)是機(jī)車走行部的關(guān)鍵部件,軸承作為牽引電機(jī)與輪對(duì)間最為重要的傳動(dòng)零件,其性能直接影響著機(jī)車的運(yùn)行狀態(tài)。我國(guó)鐵路干線機(jī)車牽引任務(wù)多,運(yùn)行時(shí)間長(zhǎng),應(yīng)用環(huán)境惡劣,加劇了牽引電機(jī)軸承的磨損和消耗,加重了機(jī)車維護(hù)成本。利用振動(dòng)信號(hào)分析法是監(jiān)測(cè)和診斷牽引電機(jī)軸承故障的手段之一,然而,采集到的振動(dòng)信號(hào)中含有大量的噪聲和干擾,直接對(duì)振動(dòng)信號(hào)進(jìn)行分析會(huì)產(chǎn)生一定的誤差并影響故障識(shí)別的準(zhǔn)確性。本文以此為研究背景,對(duì)試驗(yàn)臺(tái)仿真的軸承振動(dòng)信號(hào)進(jìn)行小波去噪,提純信號(hào)成分,并比較各種去噪效果,使信號(hào)分析更加精準(zhǔn),再結(jié)合Hilbert 包絡(luò)分析將軸承故障突顯,為牽引電機(jī)軸承故障診斷提供一個(gè)可靠的數(shù)據(jù)分析依據(jù)。

      1 小波分析基本理論

      小波分析理論是在傅里葉分析理論的基礎(chǔ)上,為了更好的分析和處理非平穩(wěn)信號(hào)而提出的一種新的信號(hào)分析理論,享有“數(shù)學(xué)顯微鏡”的美譽(yù)。

      由式(2)(3)可知,小波變換是由尺度因子和小波函數(shù)決定的,而尺度因子和小波函數(shù)的選擇會(huì)帶來不同的變換結(jié)果,這致使小波變化具有復(fù)雜性。因此,1987 年Mallat 提出了多分辨分析理論,并給出了一種不需知道具體尺度因子和小波函數(shù),由小波系數(shù)就可完成小波分解和重構(gòu)的快速算法-Mallat 算法,如圖1 所示。Mallat 分解算法的實(shí)質(zhì)是將信號(hào)進(jìn)行小波分解后通過一個(gè)高通和低通濾波器組后得到分解后的高頻分量和低頻分量,此時(shí),信號(hào)的每層分量的長(zhǎng)度減半,再對(duì)所關(guān)心的低頻分量繼續(xù)按照上層分解的方法進(jìn)行分解;而Mallat 重構(gòu)算法是分解算法的逆過程。

      圖1 Mallat 分解和重構(gòu)算法示意圖

      2 基于小波去噪的特征提取方法

      小波去噪是小波分析在信號(hào)分析領(lǐng)域中一個(gè)重要的分析方法,小波去噪法是將振動(dòng)信號(hào)通過低通和高通的一個(gè)濾波器組,把信號(hào)分解為低頻和高頻兩個(gè)部分,通過選擇合適的小波基,使得信號(hào)和噪聲的混疊達(dá)到最小,從而達(dá)到信噪分離的目的。

      2.1 小波包去噪方法

      多分辨分析可以對(duì)信號(hào)進(jìn)行小波分解,但由于其尺度按二進(jìn)制變化,在高頻段其頻率分辨率差,在低頻段其時(shí)間分辨率差,因此,引入小波包分析法,它能將信號(hào)在頻帶進(jìn)行多層次劃分,對(duì)沒有細(xì)分的高頻段進(jìn)行進(jìn)一步分解,不遺漏高頻段中有用成分,提高了重構(gòu)后信號(hào)與目標(biāo)信號(hào)的匹配度。

      小波包去噪法和閾值去噪法思路相同,不同之處在于:小波包分析對(duì)分解后的低頻部分和高頻部分同時(shí)進(jìn)行分解,更加優(yōu)化了小波分解的細(xì)節(jié)部分,不遺漏高頻部分當(dāng)中的有用成分,是一種更精準(zhǔn)、更靈活的去噪手段。小波包去噪的主要過程有4 個(gè)步驟:(1)選擇一種小波包基,確定分解層數(shù),然后對(duì)信號(hào)進(jìn)行小波包分解;(2)選擇最優(yōu)分解樹;(3)給每一個(gè)小波包分解系數(shù)選擇一個(gè)合適的閾值進(jìn)行閾值量化處理;(4)進(jìn)行小波包重構(gòu),獲得去噪后的信號(hào)。

      以noisbloc 仿真信號(hào)實(shí)現(xiàn)小波包去噪為例,去噪效果如圖2 所示。選擇db4 小波,對(duì)信號(hào)進(jìn)行3 層小波包分解,選擇最佳的分解樹,如圖3。

      圖2 原始信號(hào)與小波包去噪信號(hào)對(duì)比圖

      圖3 最優(yōu)分解樹

      由最優(yōu)分解樹可以看到,小波包分解過程中,不單對(duì)分解系數(shù)中的近似部分(1,0)和(2,0)進(jìn)行分解,而且對(duì)分解系數(shù)中的細(xì)節(jié)部分(1,1)和(2,1)又進(jìn)行了分解,避免了細(xì)節(jié)部分中有用成分的遺漏,從而達(dá)到更佳的去噪效果。

      2.2 小波去噪與Hilbert 包絡(luò)分析相結(jié)合的故障特征提取方法

      Hilbert 包絡(luò)分析常用于分析旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào),尤其是具有調(diào)制特性的滾動(dòng)軸承振動(dòng)信號(hào)。在滾動(dòng)軸承故障診斷中,利用Hilbert 包絡(luò)譜可以確定滾動(dòng)軸承的故障特征頻率信息。

      再以振動(dòng)信號(hào)為實(shí)部,Hilbert 變換對(duì)為虛部,構(gòu)成新的解析信號(hào):

      將小波去噪與Hilbert 包絡(luò)分析相結(jié)合,可以有效地提高故障識(shí)別的準(zhǔn)確性,圖4 給出了這種分析方法的流程圖。

      圖4 小波—包絡(luò)故障特征提取流程

      如圖4 所示,首先將采集到的故障振動(dòng)信號(hào)F(t)進(jìn)行小波去噪,得到故障信號(hào)f(t),再對(duì)該信號(hào)進(jìn)行Hilbert 包絡(luò)分析,提取信號(hào)的頻率信息,與故障特征頻率進(jìn)行對(duì)比,識(shí)別故障類型。

      3 小波在軸承故障信號(hào)實(shí)例分析

      本次牽引電機(jī)軸承故障仿真試驗(yàn)臺(tái)選擇QPZZ-Ⅱ試驗(yàn)臺(tái),并選擇型號(hào)為N205EM 的滾動(dòng)軸承為研究對(duì)象,所測(cè)滾動(dòng)軸承參數(shù)及其故障特征頻率見表1、2。

      表1 滾動(dòng)軸承參數(shù)

      表2 滾動(dòng)軸承故障特征頻率

      對(duì)模擬含有外圈故障的滾動(dòng)軸承進(jìn)行信號(hào)采集,采樣頻率為51200Hz,索引第1s 內(nèi)的采集點(diǎn)后得到含有外圈故障的滾動(dòng)軸承振動(dòng)信號(hào)如圖5 所示。

      圖5 原始振動(dòng)信號(hào)

      圖5 中可以看出,原始振動(dòng)信號(hào)中夾雜大量的噪聲和干擾,不能明顯分辨原始信號(hào)中軸承信號(hào)成分,影響故障診斷的準(zhǔn)確性。sym 小波基具有良好的緊支撐性,與滾動(dòng)軸承振動(dòng)信號(hào)的波形近似度高,小波變換系數(shù)大,被選為實(shí)驗(yàn)中小波去噪的小波基函數(shù)。因此,選擇sym8 小波基,對(duì)原始振動(dòng)信號(hào)小波包去噪,去噪后的信號(hào)如圖6 所示。

      圖6 經(jīng)小波包去噪后的信號(hào)

      圖6 可以看到,經(jīng)過小波去噪后的信號(hào)已經(jīng)明顯消去噪聲和干擾成分,此時(shí)振動(dòng)信號(hào)中含有大部分軸承信號(hào)成分,而軸承信號(hào)中含有明顯的沖擊成分,因此,選擇經(jīng)小波包去噪后的振動(dòng)信號(hào)進(jìn)行Hilbert 包絡(luò)譜分析,提取故障特征頻率,如圖7 所示。

      圖7 去噪后信號(hào)包絡(luò)譜

      圖7 中可以看到,經(jīng)小波包去噪后的信號(hào)包絡(luò)譜中可以清晰看到有符合外圈故障頻率的79Hz,及其2 倍頻160Hz 和3 倍頻241Hz,在倍頻的周圍還有邊頻現(xiàn)象,與軸承外圈故障特征相符,因此可以斷定該軸承的故障類型屬于軸承外圈故障。

      根據(jù)上述數(shù)據(jù)顯示,在機(jī)車牽引電機(jī)軸承振動(dòng)信號(hào)分析中,選擇與振動(dòng)信號(hào)近似度最高、小波變換系數(shù)最大的小波基函數(shù),可以獲得最好的去噪效果,給小波去噪提供了一個(gè)可靠的選擇依據(jù)。

      4 結(jié)語(yǔ)

      通過試驗(yàn)臺(tái)軸承的實(shí)驗(yàn)數(shù)據(jù)和分析,得出以下兩個(gè)結(jié)論:

      (1)小波分析能夠剝離振動(dòng)信號(hào)的頻域,具有良好的應(yīng)用前景,在振動(dòng)信號(hào)分析中,對(duì)采集到含有噪聲和干擾的振動(dòng)信號(hào),小波去噪相比其他去噪方法,可將采集信號(hào)分解在低頻部分和高頻部分,將噪聲信號(hào)和被測(cè)振動(dòng)信號(hào)有效地分離,消去噪聲成分,再重構(gòu)后得到含有大部分實(shí)際信號(hào)成分的去噪信號(hào),實(shí)現(xiàn)了信噪分離的同時(shí)又不濾掉信號(hào)中的有用成分,對(duì)機(jī)車牽引電機(jī)軸承振動(dòng)信號(hào)的分析具重要的實(shí)用價(jià)值。

      (2)小波去噪可以有效地對(duì)采集信號(hào)進(jìn)行信噪分離,結(jié)合Hilbert 包絡(luò)譜分析,提取滾動(dòng)軸承的故障特征頻率,是監(jiān)測(cè)和診斷機(jī)車牽引電機(jī)軸承故障的重要方法和手段。

      猜你喜歡
      特征頻率波包機(jī)車
      大連機(jī)車
      重載機(jī)車牽引計(jì)算仿真系統(tǒng)開發(fā)及其應(yīng)用
      瓷磚檢測(cè)機(jī)器人的聲音信號(hào)處理
      基于CTC3.0系統(tǒng)機(jī)車摘掛功能的實(shí)現(xiàn)
      光學(xué)波前參數(shù)的分析評(píng)價(jià)方法研究
      基于振動(dòng)信號(hào)特征頻率的數(shù)控車床故障辨識(shí)方法
      基于小波包Tsallis熵和RVM的模擬電路故障診斷
      基于小波去噪和EMD算法在齒輪故障檢測(cè)中的應(yīng)用
      一種機(jī)車聯(lián)接箱工藝開發(fā)
      基于小波包變換的電力系統(tǒng)諧波分析
      彩票| 开封县| 景谷| 香港 | 芦山县| 鹰潭市| 华容县| 涡阳县| 甘肃省| 阜阳市| 曲靖市| 乌拉特后旗| 康马县| 土默特左旗| 甘孜县| 宽城| 绥中县| 商城县| 雅安市| 凤阳县| 华宁县| 裕民县| 张家川| 乌兰察布市| 宕昌县| 咸阳市| 台东市| 科技| 黔南| 喀什市| 洛扎县| 万源市| 柳江县| 遂平县| 寻乌县| 洪江市| 舒兰市| 清原| 怀仁县| 紫阳县| 阳朔县|