|本期目录/Table of Contents|

[1]严文超,王伟奇,黄　蓉.基于RSSD和小波变换的滚动轴承故障诊断[J].武汉工程大学学报,2019,(04):399-404.[doi:10. 3969/j. issn. 1674?2869. 2019. 04. 018]
　YAN Wenchao,WANG Weiqi,HUANG Rong.Rolling Bearing Fault Diagnosis Method Based on Resonance-Based Sparse Signal Decomposition and Wavelet Transform[J].Journal of Wuhan Institute of Technology,2019,(04):399-404.[doi:10. 3969/j. issn. 1674?2869. 2019. 04. 018]
点击复制

基于RSSD和小波变换的滚动轴承故障诊断(/HTML)
分享到：

《武汉工程大学学报》[ISSN:1674-2869/CN:42-1779/TQ]

卷:
期数:
2019年04期
页码:
399-404
栏目:
机电与信息工程
出版日期:
2019-09-27

文章信息/Info

Title:
Rolling Bearing Fault Diagnosis Method Based on Resonance-Based Sparse Signal Decomposition and Wavelet Transform
文章编号:
20190418
作者:
严文超1 ; 王伟奇1 ; 黄　蓉2
1. 湖北三峡职业技术学院，湖北 宜昌 443000；2. 湖北中南鹏力海洋探测系统工程有限公司，湖北 宜昌 443000
Author(s):
YAN Wenchao1; WANG Weiqi1;  HUANG Rong2
1. Hubei Three Gorges Polytechnic，Yichang 443000， China；2. China Precise Ocean Detection Technology Co.， Ltd， Yichang 443000， China
关键词:
滚动轴承; 品质因子; 信号共振稀疏分解; 小波变换
Keywords:
rolling bearing;  quality factor;  resonance-based sparse signal decomposition;  wavelet transform
分类号:
TH133.33
DOI:
10. 3969/j. issn. 1674?2869. 2019. 04. 018
文献标志码:
A
摘要:
滚动轴承故障被视作瞬态冲击成分，在信号共振稀疏分解中一般被分解到的低共振分量当中。由于噪声影响，低共振分量的希尔伯特解调包络谱中依然存在大量的干扰频率，使得故障特征提取有时不明显，或不易观察，因此本文提出了一种基于信号共振稀疏分解（RSSD）与小波变换相结合的故障诊断方法。在滚动轴承早期微弱故障的诊断中，采用小波分析技术对隐藏于低共振分量的故障特征进行提取，可以更加有效地凸显故障特征；通过对滚动轴承内圈和外圈单一故障振动信号的分析应用，成功提取了故障特征，验证了这一方法在滚动轴承早期故障诊断应用的有效性。
Abstract:
Rolling bearing faults are considered as transient shock components， which are generally decomposed into low resonance components in signal resonance sparse decomposition. A large number of interference frequencies still exist in the Hilbert demodulation envelope spectrum of low resonance components due to the influence of noise， which makes the fault feature extraction unobvious or hard to observe. Therefore， a fault diagnosis method based on resonance-based sparse signal decomposition and wavelet transform was proposed. In the early diagnosis of weak faults of rolling bearings， the fault features hidden in the low- resonance components were extracted by wavelet analysis technology to highlight the fault features more effectively. Through the analysis and application of the single fault vibration signal of the inner and outer rings of the rolling bearing， the fault characteristics were extracted successfully， and the validity of this method in the early fault diagnosis of the rolling bearing was verified.

参考文献/References:

［1］　时献江，王桂荣，司俊山，等. 机械故障诊断及典型案例解析［M］. 北京：化学工业出版社，2013：94-95. ［2］　陈长征，胡立新，周勃，等. 设备振动分析与故障诊断技术［M］. 北京：科学出版社，2007：255-256. ［3］　莫代一，崔玲丽，王婧. 基于双重 Q 因子的稀疏分解法在滚动轴承早期故障诊断中的应用［J］. 机械工程学报，2013，4（9）：37-41. ［4］　陈向民， 于德介， 罗洁思. 基于信号共振稀疏分解的转子早期碰摩故障诊断方法［J］. 中国机械工程， 2013， 24（1）： 35-41. ［5］　HE W P， ZI Y Y， CHEN B Q， et al. Tunable Q-factor wavelet transform denoising with neighboring coefficients and its application to rotating machinery fault diagnosis［J］. Science China Technological Sciences， 2013， 56（8）： 1956-1965. ［6］　CUI L L， MO D Y. Resonance-based nonlinear demodulation analysis method of rolling bearing fault［J］. Advances in Mechanical Engineering， 2013（5）：420-436. ［7］　张文义. 齿轮箱复合故障诊断信号共振分量能量算子解调方法［J］. 振动工程学报，2015（1）：148-150. ［8］　SELESNIK I W. Resonance-based signal decomposition： A new sparsity-enabled signal analysis method［J］. Signal Processing， 2011， 91（12）： 2793-2809. ［9］　陈向名，于德介. 基于信号共振稀疏分解的包络解调方法及其在轴承故障诊断中的应用［J］. 振动工程学报，2012，25（6）：629-635.［10］　褚福磊，彭志科. 机械故障诊断中的现代信号处理方法［M］. 北京：科学出版社，2009. ［11］　陈保家，严文超. 基于小波降噪与RSSD的滚动轴承故障特征提取技术研究［J］. 机械传动2016，40（5）：9-13. ［12］　王宏超，陈进，董广明，等. 可调品质因子小波变换在转子早期碰摩故障诊断中应用［J］. 振动与冲击. 2014（10）：44-51. ［13］　王斌. 基于小波分析和Bp神经网络的滚动轴承故障诊断方法研究［D］. 兰州：兰州交通大学，2014. ［14］　李星，于德介，张顶成. 基于最优品质因子信号共振稀疏分解的滚动轴承故障诊断［J］. 振动工程学报， 2015（6）： 70-76. ［15］　黄文涛，付强，窦宏印. 基于自适应优化品质因子的共振稀疏分解方法及其在行星齿轮箱复合故障诊断中的应用［J］. 机械工程学报，2016，52（15）：45-49. ［16］　陈保家，汪新波，严文超. 采用品质因子优化和子带重构的共振稀疏分解滚动轴承故障诊断方法［J］. 西安交通大学学报， 2018，52（4）：70-75. ［17］　王金东，卜庆超，赵海洋. 最优品质因子信号共振稀疏分解的往复压缩机故障诊断［J］. 机械强度，2019，52（4）：557-561.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2017-03-16基金项目：国家自然科学基金（51205230）；湖北省教育厅项目（B2015127，B201548）作者简介：严文超，硕士，讲师。E-mail：357278135@qq.com引文格式：严文超，王伟奇，黄蓉. 基于RSSD和小波变换的滚动轴承故障诊断［J］. 武汉工程大学学报，2019，41（4）：399-404.
更新日期/Last Update: 2019-08-05