《表2 试验轴承各部件故障特征频率Table 2 Fault frequency of the experiment bearing (Hz)》
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。
图表编号 | XD0016987400 严禁用于非法目的 |
---|---|
绘制时间 | 2018.05.01 |
作者 | 程旭、江星星、石娟娟、朱忠奎 |
绘制单位 | 苏州大学轨道交通学院、苏州大学轨道交通学院、苏州大学轨道交通学院、苏州大学轨道交通学院 |
更多格式 | 高清、无水印(增值服务) |