基于改进样板去噪源分离的轴承复合故障诊断

中国机械工程 ›› 2011, Vol. 22 ›› Issue (17): 2080-2084.

基于改进样板去噪源分离的轴承复合故障诊断

陈晓理1;王仲生1;姜洪开1;王峰2

1.西北工业大学，西安，710072

2.塔里木油田塔西南勘探开发公司，喀什，844804

出版日期:2011-09-10 发布日期:2011-09-14
基金资助:
国家自然科学基金资助项目(51075330，50975231)
National Natural Science Foundation of China（No. 51075330，50975231）

Bearing Multi-fault Diagnosis Based on Improved Template Denoising Source Separation

Chen Xiaoli1;Wang Zhongsheng1;Jiang Hongkai1;Wang Feng2

1.Northwestern Polytechnical University, Xi’an, 710072

2.South-western Explortion & Development Company,Tarim Oilfield,Kashi,Xinjiang,844804

Online:2011-09-10 Published:2011-09-14
Supported by:
National Natural Science Foundation of China（No. 51075330，50975231）

摘要/Abstract

摘要：

环境噪声处理不当或者传感器数目少于故障数目都可能导致基于源分离的复合故障诊断失败，针对此问题，提出了基于改进样板去噪源分离的诊断方法并用于轴承复合故障诊断。该方法首先对数据进行移动独立分量分析，然后将得到的独立成分作为输入样板进行样板去噪源分离。轴承复合故障的仿真和实验数据分析证明，该方法能够在未知噪声环境下完成传感器数目少于故障数目的欠定源分离，该方法对轴承复合故障诊断是有效的。

关键词:

复合故障, 改进样板去噪源分离, 轴承, 欠定源分离

Abstract:

Processing noise improperly or the number of sensors less than the numner of faults may lead to failure of multi-fault diagnosis based on source separation.Improved template denoising source separation was proposed and used to diagnose multi-fault of bearings.Shift independent component analysis was carried out first and the independent components obtained were used as templates to the template denoising source separation algorithm.The proposed method can separate source signals through underdetermined source under reverberant environments and diagnose multi-fault of bearings.The effectiveness was verified by both simulated and experimental anlysis.

Key words:

multi-fault, improved template denoising source separation, bearing, underdetermined source separation

中图分类号:

TP277



陈晓理1, 王仲生1, 姜洪开1, 王峰2.

基于改进样板去噪源分离的轴承复合故障诊断

[J]. 中国机械工程, 2011, 22(17): 2080-2084.

CHEN Xiao-Li-1, WANG Zhong-Sheng-1, JIANG Hong-Kai-1, WANG Feng-2. Bearing Multi-fault Diagnosis Based on Improved Template Denoising Source Separation[J]. China Mechanical Engineering, 2011, 22(17): 2080-2084.

[1]	胡超, 刘佐民. 基于材料匹配性的球轴承Heathcote黏-滑模型研究 [J]. J4, 201016, 21(16): 1969-1973.
[2]	李胜远, 郑龙席. 磁轴承激励下转子系统动力学特性[J]. 中国机械工程, 2021, 32(08): 901-907.
[3]	郑近德, 王兴龙, 潘海洋, 童靳于, 刘庆运. 基于自适应自相关谱峭度图的滚动轴承故障诊断方法[J]. 中国机械工程, 2021, 32(07): 778-785，792.
[4]	王瑞1；贾谦1,2；袁小阳1. 石墨水润滑动压推力轴承的起飞转速及磨损的量化研究[J]. 中国机械工程, 2021, 32(03): 269-274.
[5]	丁嘉鑫;王振亚;姚立纲;蔡永武. 广义复合多尺度加权排列熵与参数优化支持向量机的滚动轴承故障诊断[J]. 中国机械工程, 2021, 32(02): 147-155.
[6]	闫岗1;袁小阳1;陈润霖2;贾谦1;金英泽1. 超导磁液推力轴承的结构设计及性能分析[J]. 中国机械工程, 2021, 32(01): 32-39.
[7]	杨路航1;李宝庆1;王平2,3;王健2,3;杨宇1. 基于概率输出弹性凸包的滚动轴承故障诊断方法[J]. 中国机械工程, 2021, 32(01): 40-46.
[8]	万书亭;彭勃;王晓龙. 基于双时域变换和稀疏编码收缩的滚动轴承早期故障诊断方法[J]. 中国机械工程, 2020, 31(23): 2829-2836.
[9]	孟宗;刘子涵;吕蒙. 基于改进奇异值分解滤波和谱峭度的滚动轴承故障诊断[J]. 中国机械工程, 2020, 31(20): 2420-2428.
[10]	曾大懿1;杨基宏2;邹益胜1;张继冬1;宋小欣1. 基于并行多通道卷积长短时记忆网络的轴承寿命预测方法[J]. 中国机械工程, 2020, 31(20): 2454-2462,2471.
[11]	王振亚;姚立纲. 广义精细复合多尺度样本熵与流形学习相结合的滚动轴承故障诊断方法[J]. 中国机械工程, 2020, 31(20): 2463-2471.
[12]	陈月, 邱明, 杜辉, 杨旭. 机器人用四点接触球轴承旋转精度影响因素[J]. 中国机械工程, 2020, 31(14): 1678-1685,1692.
[13]	欧阳武1,2,3;程启超1,2;金勇1,2;刘正林1,2;刘旭康1,2;王斌1,2. 基于熵权模糊综合评价法的水润滑尾轴承性能评估[J]. 中国机械工程, 2020, 31(12): 1407-1414.
[14]	王建磊1;王云龙1;门川皓1;崔亚辉1;陈润霖1;王晓虎1;贾谦2. 精密磨床转台静压轴承的强健化设计[J]. 中国机械工程, 2020, 31(10): 1155-1161,1168.
[15]	吕凤鹏;李朝阳;黄健;陈兵奎. RV减速器转臂轴承的优化设计[J]. 中国机械工程, 2020, 31(09): 1043-1048.