基于全矢融合与多维经验模态分解的滚动轴承退化过程频谱结构研究

摘要/Abstract

摘要： 为了识别滚动轴承退化过程，提出一种多维经验模态分解和全矢融合相结合的方法。首先对不同状态的多通道信号同时进行多维经验模态分解，得到一系列多元固有模态函数分量，然后利用互相关系数准则选取最敏感的一阶固有模态函数分量进行全矢包络分析来提取信号的特征。为了验证该方法的有效性，分别对模拟信号和实际信号进行了分析。结果表明此方法在出现故障时，能够很好地表征频谱结构的变化；随着故障严重程度的增加，频谱结构变得复杂，且呈现出了规律性。

关键词: 多维经验模态分解, 全矢融合, 频谱结构, 轴承退化

Abstract: In order to recognize degradation processes of rolling bearings, a method combined MEMD with full vector fusion was proposed. Firstly, multi-channel synchronous analyses of vibration signals in different conditions were dealt with MEMD to obtain a series of multivariate intrinsic mode function(IMF) component. Then the most sensitive IMF component was selected by cross-correlation coefficient criterion to do full vector envelope analysis for extracting signal features. Analysis with simulated signal and actual signal was done to test effectiveness of the method respectively. It indicates that the method may reveal changes of frequency structure when faults appear, and shows the regularity that the more serious of the fault conditions is, the more complex of frequency spectrum structure becomes.

Key words: multivariate empirical mode decomposition(MEMD), full vector fusion, frequency spectrum structure, bearing degradation

中图分类号:

TH133.3

马艳丽;金兵;张学欣;韩捷. 基于全矢融合与多维经验模态分解的滚动轴承退化过程频谱结构研究[J]. 中国机械工程.

MA Yanli;JIN Bing;ZHANG Xuexin;HAN Jie. Study on Frequency Spectrum Structure for Rolling Bearing Degradation Based on Full Vector Fusion and MEMD[J]. China Mechanical Engineering.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.cmemo.org.cn/CN/

http://www.cmemo.org.cn/CN/Y2017/V28/I14/1747

参考文献

[1]杨晓蔚，周宇. 滚动轴承重要性与技术含量纵论[J]. 轴承，2003(1)：35-38.
YANG Xiaowei, ZHOU Yu. Importance of Rolling Bearing and Review of Technical Content[J]. Bearing, 2003(1)：35-38.
[2]ZHAO Xiaomin, PATEL T H, ZUO Ming J. Multivariate EMD and Full Spectrum Based Condition Monitoring for Rotating Machinery[J]. Mechanical Systems and Signal Processing, 2012，27(1):712-728.
[3]REHMAN N, MANDIC D P. Multivariate Empirical Mode Decomposition [J]. Proceeding of Royal Society A，2010，466:1291-1302.
[4]颜云华，吴志丹. 基于MEMD的高速列车转向架故障的排列熵特征分析[J].电子技术应用，2016，42(5)：124-127.
YAN Yunhua, WU Zhidan. Feature Analysis of High-speed Train Bogie Based on MEMD and Permutation Entropy[J]. Application of Electronic Technique, 2016, 42(5):124-127.
[5]张兵，于淑静，董绍江. 基于谱峭度和多元经验模式分解的机械故障诊断[J]. 制造技术与机床，2015(6)：97-101.
ZHANG Bing, YU Shujing, DONG Shaojiang. Mechanical Fault Diagnosis Using a Hybrid Spectral Kurtosis and Multivariate Empirical Method Based on Mode Decomposition[J]. Manufacturing Technology & Machine Tool, 2015(6):97-101.
[6]武哲，杨绍普，任彬，等. 基于噪声辅助多元经验模态分解和多尺度形态学的滚动轴承故障诊断方法[J]. 振动与冲击，2016，35(4)：127-133.
WU Zhe, YANG Shaopu, REN Bin, et al. Rolling Element Bearing Fault Diagnosis Method Based on NAMEMD and Multi-scale Morphology[J]. Journal of Vibration and Shock, 2016, 35(4):127-133.
[7]韩捷，关慧玲，梁川，等. 矢谱：一种实用的旋转机械故障诊断分析方法[J].机械强度，1998，20(3)：212-215.
HAN Jie, GUAN Huiling, LIANG Chuan, et al. Vector Spectrum:a Practical Analysis Method of the Rotary Machine Fault Diagnosis[J]. Journal of Mechanical Strength，1998，20(3)：212-215.
[8]韩捷，张钱龙. 全矢谱技术在WTDS实验台故障诊断中的应用[J].郑州大学学报(工学版)，2017，38(1)：74-77.
HAN Jie, ZHANG Qianlong. The Application of Full Vector Spectrum Technology in Fault Diagnosis of WTDS Experimental Platform[J]. Journal of Zhengzhou University (Engineering Science), 2017, 38(1):74-77.
[9]李凌均，陈超，韩捷，等. 全矢支持向量回归频谱预测方法[J]. 郑州大学学报(工学版),2016,37(3):78-82.
LI Lingjun, CHEN Chao, HAN Jie, et al. The Prediction Method of Frequency Spectrum Based on Full Vector Support Vector Regression[J]. Journal of Zhengzhou University (Engineering Science), 2016, 37(3):78-82.
[10]韩捷，石来德. 全矢谱技术及其工程应用[M]. 北京：机械工业出版社，2008.
HAN Jie, SHI Laide. Full Vector Spectrum Technique and Its Application in Engineering[M]. Beijing:China Machine Press, 2008.
[11]吴斌，王敏杰，康晶，等. 滚动轴承故障振动信号特征与诊断方法[J].大连理工大学学报，2013，53(1)：76-81.
WU Bin, WANG Minjie, KANG Jing, et al. Fault Vibration Signal Feature of Rolling Bearing and Its Diagnosis Method[J]. Journal of Dalian University of Technology, 2013, 53(1):76-81.

[1]	李迎春, 聂傲男, 杨明宣, 朱定康, 邱明, 杨更生. 主动磁悬浮轴承系统保护轴承热特性研究及减摩设计[J]. 中国机械工程, 2024, 35(04): 646-655.
[2]	王亚涛, 邱明, 张家铭, 王会杰. 四点接触球轴承钢球-沟道多点接触成因分析[J]. 中国机械工程, 2023, 34(23): 2794-2804.
[3]	郭伟, 曹宏瑞, 訾艳阳, 尉询楷. 滚动轴承接触疲劳裂纹建模与扩展规律研究[J]. 中国机械工程, 2023, 34(16): 1891-1899.
[4]	董绍江, 周存芳, 陈里里, 徐向阳. 基于判别性特征提取和双重域对齐的轴承跨域故障诊断[J]. 中国机械工程, 2023, 34(15): 1856-1863.
[5]	雷新沛, 冯利博, 张航, 冯凯. 磁气负载比对箔片磁力混合轴承支承特性及转子动力学特性的影响[J]. 中国机械工程, 2023, 34(11): 1287-1295,1305.
[6]	李子麟, 时振刚, 铁晓艳, 杨国军, 任文亮, 姚佳康, 王玉明, 王子羲. 重型磁悬浮转子跌落保护轴承失效机理[J]. 中国机械工程, 2023, 34(09): 1009-1018.
[7]	张龙, 张号, 王朝兵, 王晓博, 文培田, 赵丽娟. 显式动力学驱动的轴承变工况故障诊断方法[J]. 中国机械工程, 2023, 34(08): 982-992.
[8]	李朕均, 赵春雨. 进给系统角接触球轴承的热力耦合分析[J]. 中国机械工程, 2023, 34(07): 821-829.
[9]	董绍江, 朱朋, 朱孙科, 刘兰徽, 邢镔, 胡小林. 基于仿真数据驱动和领域自适应的滚动轴承故障诊断方法[J]. 中国机械工程, 2023, 34(06): 694-702.
[10]	李可, 燕晗, 顾杰斐, 宿磊, 苏文胜, 薛志钢. 基于shapelets时间序列的多源迁移学习滚动轴承故障诊断方法[J]. 中国机械工程, 2022, 33(24): 2990-2996,3006.
[11]	王东峰, 袁巨龙, 王燕霜, 程勇杰, 吕冰海. 轴承沟道表面完整性研究进展[J]. 中国机械工程, 2022, 33(18): 2143-2160.
[12]	纪历, 马雪晴, 陈震民. 磁悬浮高速电机转子低频振动机理及补偿方法[J]. 中国机械工程, 2022, 33(17): 2053-2060.
[13]	张守京, 慎明俊, 杨静雯, 吴芮. 改进的共振稀疏分解方法及其在滚动轴承复合故障诊断中的应用[J]. 中国机械工程, 2022, 33(14): 1697-1706.
[14]	吴利锋, 吕勇, 袁锐, 朱熹, 游俊, . 改进的正弦辅助多元经验模式分解及其在滚动轴承故障诊断中的应用[J]. 中国机械工程, 2022, 33(11): 1336-1344.
[15]	华尔天, 赵天城, 谢荣盛, 许永利, 项春, 徐高欢. 静压孔位置对油膜支承可倾瓦轴承承载性能的影响分析[J]. 中国机械工程, 2022, 33(10): 1195-1202，1209.