本文对比研究了利用Case Western Reserve University数据的轴承故障诊断方法，包括时域分析（RMS、波峰因数、峭度）、快速傅里叶变换（FFT）、倒谱分析（真实倒谱、复倒谱、幂倒谱）、包络分析和小波变换（离散小波变换、小波包变换）。虽然各种方法都能检测到故障，但它们都有局限性，如无法确定故障组件或输出难以解释。希尔伯特变换和小波分析在提取故障特征方面表现突出，但选择合适的方法和参数至关重要。
Fault Diagnosis Methods：
1.Temporal Analysis
RMS:root mean square,根均方（RMS或RMS）被定义为平方根的的均方（该算术平均值的的方形的一组数字的）。
crest factor：波峰因数是波形的参数，例如交流电或声音，显示峰值与有效值之比。换句话说，波峰因数表示波形中的峰值有多极端。
impulse factor：
Kurtosis：峰度是一种统计量度，用于定义分布的尾部与正态分布的尾部有多大差异。换句话说，峰度确定给定分布的尾部是否包含极值。
结论：这些指标的增加有助于检测故障的发展，但其缺点是无法确定机器的有缺陷组件。
2.Fast Fourier Transform (FFT)
结论：从图5b，c可以看出，与图5a相比，线的振幅有所增加，证实了信号能量的变化（这表明存在缺陷）。 然而，轴承故障的频率峰值不足以区分。因此，FFT不是发现哪个轴承组件有故障的合适方法。
3.Cepstrum Analysis
CA或频率分析是一种非常有用的工具，可用于故障诊断（例如齿轮系和轴承）引起周期性冲击。 倒谱共有三种类型，分别是真实倒谱，复杂倒谱和幂倒谱。
Real Cepstrum：定义为信号傅立叶变换幅度的对数的傅立叶逆变换。<
最低0.47元/天 解锁文章
扫一扫
3057
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
