當(dāng)前位置：首頁(yè) > 编程资源 > 编程问答 >内容正文

编程问答

A comparative study of various methods of bearing faults diagnosis using the CWRU data.-学习笔记

發(fā)布時(shí)間：2023/12/31 编程问答 60 豆豆

生活随笔收集整理的這篇文章主要介紹了 A comparative study of various methods of bearing faults diagnosis using the CWRU data.-学习笔记小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.

A comparative study of various methods of bearing faults diagnosis using the case Western Reserve University data.

Fault Diagnosis Methods：

1.Temporal Analysis

RMS:root mean square,根均方（RMS或RMS）被定義為平方根的的均方（該算術(shù)平均值的的方形的一組數(shù)字的）。

crest factor：波峰因數(shù)是波形的參數(shù)，例如交流電或聲音，顯示峰值與有效值之比。換句話說(shuō)，波峰因數(shù)表示波形中的峰值有多極端。

impulse factor：

Kurtosis：峰度是一種統(tǒng)計(jì)量度，用于定義分布的尾部與正態(tài)分布的尾部有多大差異。換句話說(shuō)，峰度確定給定分布的尾部是否包含極值。

結(jié)論：這些指標(biāo)的增加有助于檢測(cè)故障的發(fā)展，但其缺點(diǎn)是無(wú)法確定機(jī)器的有缺陷組件。

2.Fast Fourier Transform (FFT)

結(jié)論：從圖5b，c可以看出，與圖5a相比，線的振幅有所增加，證實(shí)了信號(hào)能量的變化（這表明存在缺陷）。然而，軸承故障的頻率峰值不足以區(qū)分。因此，FFT不是發(fā)現(xiàn)哪個(gè)軸承組件有故障的合適方法。

3.Cepstrum Analysis

CA或頻率分析是一種非常有用的工具，可用于故障診斷（例如齒輪系和軸承）引起周期性沖擊。倒譜共有三種類型，分別是真實(shí)倒譜，復(fù)雜倒譜和冪倒譜。

Real Cepstrum：定義為信號(hào)傅立葉變換幅度的對(duì)數(shù)的傅立葉逆變換。

，

Complex Cepstrum：復(fù)倒頻譜定義為信號(hào)的傅立葉變換的對(duì)數(shù)的傅立葉逆變換

Power Cepstrum：

(a)Real cepstrum of inner race fault and (b) its zoom [0–0.025] s

(a)Power cepstrum of inner race fault and (b) its zoom [0–0.025] s

a,b：最高峰值位于t = 6.2 ms和t = 6.4 ms。它們對(duì)應(yīng)于頻率值：f = 161.29 Hz（= 1 / 0.0062）和f = 156.25 Hz（= 1 / 0.0064）。這些值非常接近內(nèi)圈故障的計(jì)算頻率：表2中列出的162.2和156.13 Hz。因此，通過(guò)此方法可以成功檢測(cè)到內(nèi)圈故障。

(c)Power cepstrum of outer race fault and (d) its zoom [0–0.025] s Hz

c,d：最高峰值位于t = 9.3 ms和t = 9.7 ms。對(duì)應(yīng)于這些峰值的頻率為f = 107.52 Hz（= 1 / 0.0093）和f = 103.09 Hz（= 1 / 0.0097）。這些值大致等于表2中列出的外圈故障在107.37和103.37 Hz處的計(jì)算頻率。因此，通過(guò)此方法可以成功檢測(cè)到外圈故障。

結(jié)論：CA可用于檢測(cè)和診斷軸承故障。但是在零點(diǎn)附近會(huì)生成許多不需要的大峰，這使輸出難以解釋。同樣，此技術(shù)中的基頻位于圖的右側(cè)，這與查找基頻的標(biāo)準(zhǔn)方法相反。

4.Envelope Analysis

EA是信號(hào)處理中最重要和最有效的技術(shù)之一。它使用調(diào)制信號(hào)提取故障特征。EA的工作方法包括三個(gè)操作：信號(hào)濾波，通過(guò)希爾伯特變換（HT）的應(yīng)用對(duì)濾波后的信號(hào)進(jìn)行包絡(luò)提取，以及通過(guò)應(yīng)用FFT確定包絡(luò)的頻譜。

信號(hào)x（t）的希爾伯特變換：

信號(hào)x（t）的解析信號(hào)（t）：

信號(hào)的包絡(luò)v（t）定義為分析的幅度：

XNameStr = 'X209_DE_time' x = data_train[XNameStr] #數(shù)字信號(hào)的取樣頻率 Fs = 12000 #FFT的長(zhǎng)度 fft_size = 1024 xs = x[:fft_size] hx = fftpack.hilbert(xs) bxf = np.fft.rfft(np.sqrt(xs**2 + hx**2))

?是轉(zhuǎn)存失敗重新上傳取消轉(zhuǎn)存失敗重新上傳取消的復(fù)共軛。

Discrete Wavelet Transform (DWT)：

DWT是CWT的離散化，