![点击分享此内容可以赚币 分享](/master/images/share_but.png)
机械设备振动噪声故障特征声信号分析.pdf
《机械设备振动噪声故障特征声信号分析.pdf》由会员分享,可在线阅读,更多相关《机械设备振动噪声故障特征声信号分析.pdf(3页珍藏版)》请在咨信网上搜索。
1、设计与研究机械设备振动噪声故障特征声信号分析31宇航(山西晋中理工学院,晋中0 3 0 6 0 1)摘要:机械故障噪声信号可反映机械的故障特征,因此对机械故障噪声信号中的故障信号进行提取、分析及处理至关重要。基于卷积混合模型对机械故障噪声进行去噪和分离可知,当机械故障的噪声情况较为复杂时,可采用改进小波-卡尔曼两步降噪算法对噪声信号进行降噪处理;当机械故障噪声较为简单时,传统阈值法的降噪效果较好。当噪声环境较为单一时,可采用经验指纹图像比较算法(Empirical Fingerprint ImageComparator Algorithm,EFI CA)和盲解卷积算法(Eficient Fas
2、tICA-Second Order Blind Identify,EFI CA-S O BI)对机械噪声信号进行分离;当噪声环境较为复杂时,可采用二阶盲辨识(SecondOrderBlindIdentification,S O BI)算法对机械噪声进行分离。关键词:机械故障噪声;卷积混合模型;信号降噪;信号分离Analysis of Vibration and Noise Fault Characteristics of Mechanical Equipment and Acoustic SignalYU Hang(Shanxi Jinzhong Institute of Technology
3、,Jinzhong 030601)Abstract:Mechanical fault noise signals can reflect the characteristics of mechanical faults,and extracting fault signals frommechanical fault noise signals is crucial for analyzing and processing mechanical equipment faults.This study based on theconvolution mixture model to denois
4、e and separate the mechanical fault noise,and reached the following conclusions,whenthe noise situation of mechanical fault is more complex,the Wavelet Circular Translation-Kalman Denoising method(WCTKD)algorithm can be used to process the noise signal.When the mechanical fault noise is more simple,
5、the traditional thresholdmethod has a good denoising effect.When the noise environment is relatively single,the Empirical Fingerprint Image ComparatorAlgorithm(EFICA)and EF-SO algorithm can be used to separate mechanical noise signals.When the noise environment iscomplex,the Second Order Blind Ident
6、ification(SOBI)algorithm can be used to separate mechanical noise.Keywords:mechanical fault noise;convolutional mixture model;signal denoising;signal separation机械故障噪声信号可反映机械的故障特征,因此对机械故障噪声信号中的故障信号进行提取、分析及处理至关重要。近年来,许多专家学者对机械故障噪声开展了相关研究。付忠广等人以旋转机械为研究对象,基于卷积神经网络模型分析故障噪声特征。结果表明,在强噪声环境下,该模型更能体现其优势,具有较高的
7、准确性和效率 。姚家琪等人以旋转机械设备为研究对象,建立机械故障诊断模型,分析其噪声信号。结果表明,该模型在噪声环境下的诊断准确性较高,噪声对其干扰较小 2 。郑近德等人对基于自适应噪声完备经验模态分解(CompleteEnsembleEmpirical Mode Decomposition with Adaptive Noise,CEEMDAN)算法进行改进,构造了机械故障诊断内烹模态函数,并将该算法应用于机械噪声故障诊断。结果表明,该方法可有效减少故障诊断过程中的虚假分量和残留噪声,且诊断准确性较高 3 。杨正理等人以旋转机械为研究对象,基于卷积神经网络,通过机械噪声特征信号诊断故障。结果
8、表明,该算法可有效避免噪声的干扰,相较于修正前的模型,诊断精度最高可提升6%。杨静宗等人通过互补总体平均经验模态分解(Complementary Ensemble Empirical ModeDecomposition,CEEMD)对机械故障噪声进行机械分解,提出滚动轴承故障特征模型,对其故障特征提取方法进行研究。结果表明,在高噪声条件干扰下,该模型的故障诊断精确性较高 5。本研究基于卷积混合模型,结合卷积球化方法,提出一种盲解卷积算法,分析机械故障噪声,对机械噪声进行去噪和分离。1数学模型机械故障噪声信号可反映机械的故障特征,但是其中存在干扰信号,对其特征故障识别结果存在一定的影响。因此,提
9、取机械故障噪声信号中的故障信号,对分析和处理机械设备故障至关重要。故障噪声信号由多种信号混合而成,且混合方式多样。为提取和分析故障噪声信号的故障信号,可采取信号线性混合模型对其进行分析。该模型主要包括瞬时混合模型和卷积混合模型。瞬时混合模型可表示为X(t)=HS(t)+V(t)式中:t为时间;H为满秩混合矩阵;S()为源信号;(1)现代制造技术与装备322023年第8 期总第3 2 1期V(t)为噪声信号。卷积混合模型可表示为X(t)=H*S(t)式中:*为卷积运算。将式(2)的卷积运算进行展开,则卷积混合模型表示可转换为X(t)=H(p)S(t-p)式中:p为当前信道序数;S(t-p)为滞后
10、源信号。根据两种信号线性混合模型可得,卷积混合模型的复杂程度较大,求解方法复杂,更能全面反映机械故障噪声的信号混合规律。因此,本研究基于卷积混合模型,结合卷积球化方法,提出一种盲解卷积算法,对机械故障噪声机进行分析。2降噪方法研究常用的降噪方法有传统阈值法、改进阈值法、小波环移法、卡尔曼滤波法及改进小波卡尔曼两步降噪法等。传统阈值法主要通过对带噪信号进行多尺度分解,并对其阈值函数进行处理,最后多尺度重构噪声信号,从而输出去噪信号。改进阈值法通过对带噪信号进行多尺度小波段分解得出小波分解系数,对其闵值函数进行改进得出代表信号的系数,利用代表信号的系数对噪声信号进行多尺度重构,最后输出去噪信号。小
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 机械设备 振动 噪声 故障 特征 信号 分析
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。