关键词:
机械工程
振动筛轴承
故障诊断
IFNLM
HSEDO
摘要:
针对振动筛滚动轴承早期故障特征微弱,被强背景噪声和多振源干扰淹没的诊断难题,提出一种基于改进快速非局部均值滤波(IFNLM)和高阶对称包络导数算子(HSEDO)的滚动轴承故障特征提取方法。首先,根据滚动轴承故障信号周期性结构特征,通过对快速非局部均值滤波(FNLM)算法相似度量和权值分配函数的改进,提出IFNLM算法,滤除轴承原始振动信号中的背景噪声和振源干扰;其次,在包络导数算子(EDO)的基础上,融入对称差分技术和高阶思想,提出HSEDO对降噪后的信号进行解调,从而识别轴承故障特征。最后,搭建振动筛激振器滚动轴承故障试验台,对所提方法的可行性和优越性进行验证。研究结果表明:IFNLM算法具有良好的去噪效果、噪声鲁棒性以及运行效率,IFNLM算法的运行速度相较于改进前提高了77%,约是小波阈值降噪算法的12倍,中值滤波算法的4倍;HSEDO算法具有良好的解调特性和抗干扰能力,在谐波干扰不高于20种的情况下,HSEDO算法处理的信号干扰比高于EDO;所提IFNLM-HSEDO算法与NLM+包络谱、WTD+TEO等现有方法相比,具有更高的故障特征提取能力和执行效率,在取50000个采样点运行时,耗时仅为0.0508 s,且采样点越多其快速性能越突出。研究成果对丰富机械系统故障诊断理论,保证机械设备安全可靠运行具有重要意义。