《表2 各方法对轴承信号降噪后的评价指标》
通过图4的轴承信号仿真图可以看出,外圈故障信号的特点是有一个周期性的脉冲,其振动幅值不变;内圈故障信号的特点是有一系列幅值不等的周期脉冲;滚珠故障信号的特点是不平稳的随机脉冲。对比图6(a),(b) ,(c) 中的降噪波形,硬阈值降噪方法后的信号有重构振荡的缺陷,会额外产生脉冲,造成干扰。软阈值降噪方法后的信号虽没有重构振荡,但是噪声去除的不充分,噪声部分的波形易与冲击脉冲混淆。比较几种改进方法,图6(a)中几种改进方法都没有重构振荡的现象,但是对于噪声去除程度文献[10]<文献[8]<文献[9]<本文降噪的方法。采取本文降噪后的信号完整保留了外圈故障信号的各周期脉冲,且噪声去除的更彻底,更能体现出故障特征。图6(b)中几种改进方法都没有重构振荡的现象,由于内圈故障型号特点是一系列幅值不等的周期脉冲,因此对噪声去除方面要求较高,否则小幅值的冲击脉冲会和噪声信息混淆,通过图形可以看出,本文方法降噪后的波形更优,保留了各冲击脉冲。图6(c)中的几种改进方法都没有重构振荡的现象,对于滚珠故障信号来说,由于其幅值不等且无周期性,因此对重构偏差方面的要求较高,需要尽可能地分离出故障脉冲信号。通过图形可以看出,本文方法降噪后的冲击脉冲绝对幅值大于其余3种改进方法,进一步体现了分层自适应阈值函数的优越性。表2计算了各方法对轴承信号降噪后的评价指标,无论外圈、内圈还是滚珠故障信号,本文方法的信噪比和均方根误差均好于传统及改进算法,更适用于轴承故障信号的降噪。
图表编号 | XD0082063800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 王普、李天垚、高学金、高慧慧 |
绘制单位 | 北京工业大学信息学部、数字社区教育部工程研究中心、城市轨道交通北京实验室、计算智能与智能系统北京市重点实验室、北京工业大学信息学部、数字社区教育部工程研究中心、城市轨道交通北京实验室、计算智能与智能系统北京市重点实验室、北京工业大学信息学部、数字社区教育部工程研究中心、城市轨道交通北京实验室、计算智能与智能系统北京市重点实验室、北京工业大学信息学部、数字社区教育部工程研究中心、城市轨道交通北京实验室、计算智能与智能系统北京市重点实验室 |
更多格式 | 高清、无水印(增值服务) |