基于扁平衰减三角形结构元素的滚动轴承故障诊断

形态滤波性能主要取决于结构元素,目前应用中以直线形结构元素为主,其外形与实际轴承故障时的脉冲信号相似度较弱,影响了冲击特征提取。针对该问题,提出了一种扁平衰减三角形结构元素,并应用滚动轴承故障诊断。通过滚动轴承内外圈故障的振动信号分析,结果表明所建议结构元素能够提取冲击脉冲信号。同时,对比传统扁平直线结构元素应用于相同的振动信号,扁平衰减三角形结构元素能够提高脉冲提取效果。

基于自适应数学形态学的滚动轴承故障诊断方法

作为一种非线性信号处理方法,数学形态学法对信号的特征提取完全在时域中进行,与其他非线性非平稳的信号处理方法相比,它具有幅值不偏移、不衰减等显著优点.基于此,提出一种自适应的数学形态学和谱相关分析相结合的轴承故障诊断方法.该方法通过基于信号的三角结构元素和非单一形态学开闭运算对已知故障信号加以训练,自适应得到各故障类型的结构元素高和最优开闭运算加权因子,构建形态学模型;之后将测试信号通过形态学模型进行特征提取,并与训练信号进行频域内相关性分析;最终根据相关系数大小识别故障.以西储大学轴承故障数据为例,表明了该方法不仅能识别出不同类型的故障,而且还能识别不同损伤等级的故障,相比传统的方法识别率和可靠性有所提高.