噪声环境下滚动轴承故障的盲源分离.pdf

噪声环境下滚动轴承故障的盲源分离.pdf

ID:57744818

大小:337.76 KB

页数:5页

时间:2020-03-27

噪声环境下滚动轴承故障的盲源分离.pdf_第1页
噪声环境下滚动轴承故障的盲源分离.pdf_第2页
噪声环境下滚动轴承故障的盲源分离.pdf_第3页
噪声环境下滚动轴承故障的盲源分离.pdf_第4页
噪声环境下滚动轴承故障的盲源分离.pdf_第5页
资源描述:

《噪声环境下滚动轴承故障的盲源分离.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、DesignandResea『ch设计与研究噪声环境下滚动轴承故障的盲源分离呼刚义①王凯②关雄飞①(①西安理工大学高等技术学院,陕西西安710048;②西安理工大学机械与精密仪器工程学院,陕西西安710048)摘要:在实际滚动轴承故障诊断过程中。传感器所获得的振动信号不可避免地受到未知噪声的干扰。然而在未知的噪声环境下,基于理想的盲源分离(BSS)方法直接分离往往分离效果不好。为克服此缺陷。将小波消噪和盲源分离技术相结合。使用此方法对仿真数据和实测的轴承故障振动信号进行分析,取得了比较理想的效果。该方法对于将滚动轴承多个混合故障进行盲源分离有较好的效果,具有实际应用价值。关键词:滚动轴

2、承噪声盲源分离小波消噪中图分类号:TH133.3文献标识码:BBlindsourceseparationofrollingbearingfaultunderthenoiseenvironmentHUGangyi①WANGKai②GUANXiongfei①,,((j~)TheFacultyofHighVocationalEducation,XianUniversityofTechnology,Xian710048,CHN;(~)SchoolofMechanicalandPreciseInstrument,XianUniversityofTechnology,Xian710048,CHN)

3、Abstract:Duringthefaultdiagnosisprocessforactualrollingbearings,thevibrationsignalfromthesensorsmount—edonthemachineisgenerallysufferedofunknownnoise.However,directseparationofthesignalbasedonidealblindsourceseparation(BSS)techniqueproducesadverseeffectundertheconditionofunknownnoise.Inordertoov

4、ercomethisdeficiency,thispaperanalyzesthesimulateddataandmeas—uresbearingfaultvibrationsignalbymeansofcombiningthewaveletdenoisingandBSS,andobtainstheidealeffect.ThemethodformultiplemixedfaultofrollingbearinghasbettereffectandpracticalvalueinBSS.Keywords:RollingBearings;Noise;BlindSourceSeparati

5、on;WaveletDenoising在实际滚动轴承故障诊断过程中,传感器所获得1盲源分离和小波消噪的故障信号不可避免地受到未知噪声的影响。然而理想的盲源分离(BSS)方法往往忽略噪声的影响,对噪1.1盲源分离原理声环境下的信号直接分离,往往会得到很差的分离效理想的BSS模型并未考虑到噪声环境下源信号果,不符合实际问题的要求。因此,在基于盲源分离的的混合,然而,在一般情况下,安装在机器上的传感器滚动轴承故障诊断中必须要考虑噪声的影响。所获得的观测信号往往受到不同程度的噪声干扰。为了改善上述情况,考虑到小波消噪的预处理作在不含噪声的线性瞬时混合的模型里,即理想的用,文中将小波消噪和盲源分

6、离方法结合,即小波消BSS模型,未知的源信号与观测信号的关系可以描述噪一Bss方法,首先通过仿真分析研究一般噪声环境为下的盲源分离问题,证明小波消噪一BSS方法是可行()=As()的。然后,使用此方法对噪声环境下滚动轴承故障开在含噪声的线性瞬时混合的模型里,未知的源信展实验诊断研究,取得了比较理想的效果,说明该方法号与观测信号的关系可以描述为在滚动轴承故障诊断中的实用性。X(t)=As(t)+n(t)这里:(t)=[(t),:(t),⋯,M(t)是不含噪声情况下的维随机观测向量;X(t):[(t),j[uIo_平峁等圳设计与研究DesignandRes伽『Ch(t),⋯,X(t)]是有

7、噪声情况下的维随机观测向换的基础上提出的,其利用小波变换的多分辨率将带量;5(t)=[S。(t),s(t),⋯,S(t)是Ⅳ维源信号,源噪声的信号分解到各个尺度上,根据缺陷信号和噪声信号中各分量S(t)假设为统计独立;n(t)=[n(t),n在不同尺度上的特性表现分别处理,来实现消噪。其(t),⋯,n(t)]是维加性观测噪声,且M≥N;A为基本原理是:携带信息的原始信号在频域或小波域的一个未知满秩的MxN的混合矩阵。能量相对集中,表现为能量密集

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。