Page 114 - 《振动工程学报》2025年第8期
P. 114

1754                               振   动   工   程   学   报                               第 38 卷



                                                                5 结  论


                                                                     本文提出了一种自适应多尺度形态学滤波器
                                                                (AMIDIF),用于去除随机噪声和谐波频率的干扰
                                                                以增强旋转机械的瞬态脉冲成分。通过对滚动轴承
                                                                和行星齿轮箱故障检测的研究,得出以下结论:
                                                                    (1)借鉴多尺度黑、白顶帽算子和差分滤波变换的
                                                                思想,提出了一种多尺度改进差分滤波器(MIDIF)。
                                                                通过分析形态算子提取脉冲的特性,证明了 MIDIF
                                                                能够有效地获取双向脉冲,适用于分析含有循环脉
                                                                冲的旋转机械振动信号。
                                                                    (2)针对 MIDIF中加权系数需要人为经验性选取
                                                                的问题,提出了一种基于相关系数的加权重建算法,通
                                                                过去除异常信号和正常信号之间的共同信息,以突出
                                                                有用的 MIDIFs和削弱其他 MIDIFs的干扰。
                          图 19  太阳轮点蚀故障信号                           (3)通过滚动轴承和行星齿轮箱故障的诊断,验
                   Fig. 19  Fault signal of the sun gear chipped tooth  证了 MIDIF 能够有效地增强旋转机械的瞬态脉冲
                                                                成分。此外,MIDIF 在故障特征提取方面优于多尺
                                                                度差分形态滤波器(ACDIF 和 MGPO)。


                                                                参考文献:


                                                                [1] 雷亚国, 杨彬, 李乃鹏, 等 . 跨设备的机械故障靶向迁
                           图 20  MIDIF 的处理结果
                                                                     移诊断方法[J]. 机械工程学报, 2022, 58(12): 1‑9.
              Fig. 20  Processing  results  of  sun  gear  chipped  tooth  by
                                                                     LEI Yaguo, YANG Bin, LI Naipeng, et al. Targeted
                     MIDIF
                                                                     transfer diagnosis method across different machines[J].
                                                                     Journal of Mechanical Engineering, 2022, 58(12): 1‑9.
                                                                [2] GUO  J  C,  HE  Q  B,  ZHEN  D,  et  al.  Intelligent  fault
                                                                     detection for rotating machinery using cyclic morphologi‑
                                                                     cal modulation spectrum and hierarchical Teager permu‑
                                                                     tation  entropy[J].  IEEE  Transactions  on  Industrial  In‑
                                                                     formatics, 2023, 19(4): 6196‑6207.
                           图 21  ACDIF 的处理结果
                                                                [3] 沈飞, 陈超, 徐佳文, 等 . 数据领域选择与空间迁移在
              Fig. 21  Processing  results  of  sun  gear  chipped  tooth  by
                                                                     齿轮箱故障诊断中的应用[J]. 振动工程学报, 2021,
                     ACDIF
                                                                     34(2): 389‑401.
                                                                     SHEN Fei, CHEN Chao, XU Jiawen, et al. Applica‑
                                                                     tion of data domain selection and space transfer on gear‑
                                                                     box  fault  diagnosis[J].  Journal  of  Vibration  Engineer‑
                                                                     ing, 2021, 34(2): 389‑401.
                                                                [4] GUO J C, HE Q B, ZHEN D, et al. An iterative mor‑
                           图 22  MGPO 的处理结果                          phological difference product wavelet for weak fault fea‑
              Fig. 22  Processing  results  of  sun  gear  chipped  tooth  by   ture  extraction  in  rolling  bearing  fault  diagnosis[J].
                     MGPO                                            Structural Health Monitoring, 2022, 22(1): 296‑318.
                                                                [5] WANG L, LIU Z W, MIAO Q, et al. Time‑frequency
                                                                     analysis  based  on  ensemble  local  mean  decomposition
              ACDIF 滤波结果,从图中可以识别出太阳齿轮旋转
                                                                     and fast kurtogram for rotating machinery fault diagnosis
              频率 f rs、太阳齿轮缺陷频率 f sf 及其谐波和组合频率
                                                                    [J]. Mechanical Systems and Signal Processing, 2018,
              f sf - f rs,但不能识别出组合频率 f sf + f rs 和 2f sf ± f rs。     103: 60‑75.
   109   110   111   112   113   114   115   116   117   118   119