基于JADE-EMD的滾動(dòng)軸承故障檢測(cè)
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>819 K
標(biāo)簽： JADE-EMD 動(dòng)態(tài)盲分析 滾動(dòng)軸承
所需積分：0分積分不夠怎么辦？
文檔介紹：軸承故障分析在滾動(dòng)傳動(dòng)系統(tǒng)中一直是研究的熱點(diǎn)，傳統(tǒng)的軸承故障診斷方法往往建立在苛刻的約束條件之上，如檢測(cè)信號(hào)為單一的故障信號(hào)成分、既定的混合系統(tǒng)保持不變或者模型建立在無噪聲的環(huán)境等。針對(duì)這些局限，結(jié)合了獨(dú)立成分分析(Independent Component Analysis，ICA)方法，提出了一種基于特征矩陣聯(lián)合相似對(duì)角化及經(jīng)驗(yàn)?zāi)B(tài)分解(Joint Approximative Diagonalization of Eigen matrix-Empirical Mode Decomposition，JADE-EMD)的多故障動(dòng)態(tài)盲分析技術(shù)。該方法的基本思想是基于多輸入多輸出的動(dòng)態(tài)混合模型，利用四階統(tǒng)計(jì)量對(duì)隨機(jī)噪聲的盲辨識(shí)特性，將滾動(dòng)軸承正常工作時(shí)的平穩(wěn)隨機(jī)噪聲看成一類常規(guī)的信號(hào)輸入。接著通過動(dòng)態(tài)的盲源分離技術(shù)將傳感器接收到的混合信號(hào)分解成相互獨(dú)立的成分，最后對(duì)分離的故障信號(hào)進(jìn)行EMD分解，并得到多個(gè)基本模式分量函數(shù)(Intrinsic Mode Function，IMF)的分布結(jié)果。仿真研究表明，該方法可以對(duì)帶有故障的滾動(dòng)軸承進(jìn)行有效的診斷，特別是在背景噪聲較強(qiáng)的多軸承傳動(dòng)系統(tǒng)中，能夠有效避免多種故障信號(hào)之間的相互干擾，相對(duì)于傳統(tǒng)的單一直接檢測(cè)方法而言，可以進(jìn)一步提高對(duì)故障軸承分析的準(zhǔn)確性。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。