强噪声背景下的滚动轴承故障微弱信号检测新方法  

A New Detection Method for Weak Signals of Rolling Bearing Faults Under Strong Noise Background

作　　者：王晶[1] 陈果[1] 郝腾飞[1] 

机构地区：[1]南京航空航天大学民航学院,南京210016

出　　处：《轴承》2012年第3期42-46,共5页Bearing

基　　金：国家自然科学基金资助项目(50705042);航空科学基金资助项目(2007ZB52022)

摘　　要：分析共振解调技术和小波变换在滚动轴承故障诊断中存在的不足,提出一种用于提取滚动轴承微弱信号的新方法,该方法将时间序列模型(AR模型)和多重自相关方法应用于滚动轴承信号降噪,再利用小波包络分析,提取出反映滚动轴承故障的特征频率。通过对新方法包络谱特征的自动提取,实现了基于支持向量机(SVM)的智能诊断。实际试验验证了新方法的正确有效性。The disadvantages of resonance demodulation technique and wavelet transform in fault diagnosis of rolling bearings are analyzed, a new method is put forward for extracting weak signals of rolling bearings. The multi autocorrelation analysis and time series model （AR model） is used to reduce noise, and wavelet envelope analysis to get the feature frequency. Through the fault feature automatic extraction, the intelligent diagnosis based on Support Vector Machine （SVM） is realized . The actual experiments verify the correctness and validity of this method.

关 键 词：滚动轴承 故障诊断 AR模型 /小波分析 多重自相关 SVM 

分 类 号：TH133.33[机械工程—机械制造及自动化] TH165.3