小波包能量谱在滚动轴承故障诊断中的应用

《小波包能量谱在滚动轴承故障诊断中的应用》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、万方数据!曼型!Q塑二!!鳇CN41—1148／TH轴承2010年1I期Beating2010，No．il32—36．_测量与仪器◆小波包能量谱在滚动轴承故障诊断中的应用王冬云1”，张文志1，张建刚3(1．燕山大学轧机研究所，河北秦皇岛066004；2．秦皇岛职业技术学院，河北秦皇岛066100；3．秦皇岛首钢板材有限公司，河北秦皇岛066003)摘要：提出了基于小波包能量谱的滚动轴承故障诊断方法。首先，以6406轴承为例采集不同工况的振动信号，然后对试验数据进行小波包变换，振动信号被分解到独立

2、的频段，不同频带内的信号能量变化反映了运行状态的改变，提取各频带小波包能量谱为特征向量，最后应用基于模糊聚类的故障诊断方法。经对大量实测数据的处理和分析，能够比较准确地诊断出轴承的故障。关键词：滚动轴承；故障诊断；振动信号；小波包能量谱；模糊聚类中图分类号：THl33．33；THl65．3文献标志码：A文章编号：1000—3762(2010)1l一0032—05ApplicationofWaveletPacketEnergySpectruminRollingBearingFaultDiagnos

3、isWANGDong—yunl”，ZHANGWen—zhil，ZHANGJian—gan93(1．RoilingMillResearchInstitute，YanshanUniversity，Qinhuangdao066004，China；2．QinhuangdaoInstituteofTechnology，Qinhuangdao066100。China；3．QinhuangdaoShougangPlateMillCo．，Ltd．，Qinhuangdao066003，China)Abstract

4、：Byapplyingwaveletpacketenergyspectrum，anewmethodispresentedforrollingbeatingfaultdiagnosis．Firstly．the6406rollingbearingistakenforexample，andthevibrationsignalsarecollectedunderdifferentworkingconditions．Then，theexperimentdataistransformedbywaveletp

5、acket，thevibrationsignalisdecomposedintothein—dividualfrequencybands．Thevariationsofthesignalenergyinthesebandsreflectthedifferentfaultlocations．Theen—ergyspectrumfeaturevectorsareextractedfromtheindividualfrequencybands．Finally，thefuzzyclusteranalys

6、ismethodisproposedforfaultdiagnosis．Throughprocessingandanalyzingthemassivemeasureddata，themethodisa-bletodiagnoseaccuratelyfaultsofrollingbeatings．Keywords：roilingbearing；faultdiagnosis；vibrationsignal；waveletpacketenergyspectrum；fuzzcluster滚动轴承是机械中

7、最常用的部件之一，其运行情况直接影响到主机的机能。振动作为一种信息因子直接预示着运行状态的正常与否。因而对轴承进行振动监测和诊断是可行的，且必将获得较大的经济效益¨。。当轴承系统发生故障时，振动信号能量的空间分布与正常系统的振动信号相比会发生相应的变化，即振动信号的能量改变包含着丰富的故障收稿日期：2010-05-31；修回日期：2010一06一03基金项目：国家科技部国家科技支撑计划资助项目(2007BA砣B00)作者简介：王冬云(1980一)，女，博士研究生，主要研究方向为机械设备故障诊断。

8、E—mail：dotgyun．wang@163．corn。特征信息。小波变换的时域和频域的局部化和可变分辨率的特点使得用它分析瞬变信号具有比传统Fourier分析更为显著的优点旧J。目前，小波变换法被广泛应用于轴承故障诊断系统。该方法的主要缺点是对高频部分的频率分辨率相对较低。而轴承出现故障时，高频带分解却又是至关重要的，因而往往难以得到满意的识别效果。小波包分析能为信号提供一种更精细的分析方法。其对信号的低频和高频部分都进行分解，可对非平稳和突变信号进行精确的特征提取，更有效地反映信号的时频特