针对不同转速下,不同损伤程度的滚动轴承内、外圈故障,提出一种基于局域均值分解(Local Mean De-composition,LMD)和Lempel-Ziv指标的滚动轴承损伤程度识别方法。LMD方法是一种新的自适应时频分析方法,将轴承振动信号分解为若干个瞬时...针对不同转速下,不同损伤程度的滚动轴承内、外圈故障,提出一种基于局域均值分解(Local Mean De-composition,LMD)和Lempel-Ziv指标的滚动轴承损伤程度识别方法。LMD方法是一种新的自适应时频分析方法,将轴承振动信号分解为若干个瞬时频率有物理意义的乘积函数(Production Function,PF),再结合峭度条件找出蕴含故障信息的最优PF分量,计算其PF函数和包络的Lempel-Ziv的归一化值,再加权求和得到最终的Lempel-Ziv综合指标,表征了不同故障的损伤程度。同时还研究了在不同转速下的内、外圈故障轴承的Lempel-Ziv指标的分布规律,使结论更具有普遍性。经实验结果验证,此方法能有效地应用于滚动轴承的故障程度的诊断。展开更多
文摘针对不同转速下,不同损伤程度的滚动轴承内、外圈故障,提出一种基于局域均值分解(Local Mean De-composition,LMD)和Lempel-Ziv指标的滚动轴承损伤程度识别方法。LMD方法是一种新的自适应时频分析方法,将轴承振动信号分解为若干个瞬时频率有物理意义的乘积函数(Production Function,PF),再结合峭度条件找出蕴含故障信息的最优PF分量,计算其PF函数和包络的Lempel-Ziv的归一化值,再加权求和得到最终的Lempel-Ziv综合指标,表征了不同故障的损伤程度。同时还研究了在不同转速下的内、外圈故障轴承的Lempel-Ziv指标的分布规律,使结论更具有普遍性。经实验结果验证,此方法能有效地应用于滚动轴承的故障程度的诊断。
