受環(huán)境噪聲、傳遞路徑、信號(hào)衰減以及源信號(hào)本身比較微弱的影響,滾動(dòng)軸承早期微弱沖擊性故障的信號(hào)特征難以提取。近年來(lái),最小熵解卷積(Minimum Entropy Deconvolution,MED)已經(jīng)成功應(yīng)用在旋轉(zhuǎn)機(jī)械故障檢測(cè)中來(lái)提取振動(dòng)沖擊。MED方法的提取過(guò)程是一個(gè)迭代選擇的過(guò)程,通過(guò)迭代選擇一個(gè)有限脈沖響應(yīng)使信號(hào)的熵最小,從而對(duì)信號(hào)進(jìn)行濾波。但是該方法有一定的局限性:其對(duì)于單一沖擊的信號(hào)解卷積效果良好,但是處理具有強(qiáng)噪聲或者多個(gè)沖擊源共同作用時(shí)的信號(hào)很困難。為了解決這個(gè)問題,提出新的解卷積方法:最大相關(guān)峭度解卷積(Maximum Correlated Kurtosis Deconvolution,MCKD),可有效利用滾動(dòng)軸承故障周期性沖擊的特點(diǎn),其與MED相比,克服了單一沖擊的限制,對(duì)兩種沖擊源甚至是多種共同卷積的解卷積具有更好的特征提取效果。仿真和實(shí)驗(yàn)對(duì)比驗(yàn)證了該方法具有良好的降噪和故障特征增強(qiáng)效果。

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
1 最大相關(guān)峭度解卷積原理
    1.1 相關(guān)峭度
    1.2 最大相關(guān)峭度解卷積
2 仿真信號(hào)分析
3 基于最大相關(guān)峭度解卷積的滾動(dòng)軸承復(fù)合故障實(shí)驗(yàn)研究
4 結(jié)語(yǔ)



本文編號(hào)：4003611