受環境噪聲、傳遞路徑、信號衰減以及源信號本身比較微弱的影響,滾動軸承早期微弱沖擊性故障的信號特征難以提取。近年來,最小熵解卷積(Minimum Entropy Deconvolution,MED)已經成功應用在旋轉機械故障檢測中來提取振動沖擊。MED方法的提取過程是一個迭代選擇的過程,通過迭代選擇一個有限脈沖響應使信號的熵最小,從而對信號進行濾波。但是該方法有一定的局限性:其對于單一沖擊的信號解卷積效果良好,但是處理具有強噪聲或者多個沖擊源共同作用時的信號很困難。為了解決這個問題,提出新的解卷積方法:最大相關峭度解卷積(Maximum Correlated Kurtosis Deconvolution,MCKD),可有效利用滾動軸承故障周期性沖擊的特點,其與MED相比,克服了單一沖擊的限制,對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。仿真和實驗對比驗證了該方法具有良好的降噪和故障特征增強效果。

【文章頁數】：6 頁

【文章目錄】：
1 最大相關峭度解卷積原理
    1.1 相關峭度
    1.2 最大相關峭度解卷積
2 仿真信號分析
3 基于最大相關峭度解卷積的滾動軸承復合故障實驗研究
4 結語



本文編號：4003611