《表5 冲击振动模型滤波时域量刚一统计指标 (SNR=10 dB)》

  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

《基于改进开关卡尔曼滤波的轴承故障特征提取方法》

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

为了论证所提开关卡尔曼滤波方法的优越性，分别单独使用两种滤波器模型对信号进行处理，结果如图7、8所示。从图7可以看出，使用基于正常振动滤波器模型进行滤波对噪声的去除效果很好，但其会将冲击成分也视作噪声并滤除掉，不能用作故障特征提取。而对比图8可以看出使用基于脉冲冲击滤波器模型进行滤波可以保留信号中的脉冲振动成分，但对噪声的滤除效果较差。表3～6分别列出了相应的时域量刚一指标值。从中可以看出信噪比为–10dB时使用基于正常振动滤波器模型滤波前后各指标值差异较大，但因其未识别出脉冲，不能表明其有效性。其余情况下各指标值滤波前后变化不大，表明这些情况下滤波效果较差。表7对上述三种滤波方式滤波后信号的信噪比做了对比。理想情况下滤波后计算的信噪比应当与添加噪声时给定的信噪比接近，表明恰好滤除了添加的噪声。从表7可以看出，使用基于正常振动滤波器模型滤波后信号的信噪比均降低，表明其对信号过度滤波，将有用成分也当作噪声滤除掉，与图7所示结果一致。而使用基于脉冲冲击模型滤波后信噪比增加，表明其对信号欠滤波，未能有效滤除噪声，与图8所示结果一致。综合上述分析可以得出结论，所提方法综合了两种模型的优势，具有良好的滤波及脉冲识别效果。