《表2 试验轴承各部件故障特征频率Table 2 Fault frequency of the experiment bearing (Hz)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《广义稀疏解卷算法研究及其轴承故障诊断应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

进一步，使用本文提出的广义P算子稀疏准则下的解卷算法进行分析早期故障信号。首先归一化频率能量比对最优P算子的找寻，从图9（a）可得到最优P算子为3.6。基于最优P算子对早期故障信号进行滤波，再对滤波信号进行Hilbert包络分析，得到如图所示的包络谱。从图9（b）可以清晰地观测到本文所提方法提取的轴承外圈故障特征频率及其一系列倍频。诊断结果与实际轴承故障情况一致，验证了本文提出方法能够稳定有效地提取出早期故障阶段的微弱特征信息，且相比于MED等现有方法在实际轴承诊断应用中具有显著优势。