煤机设备轴承故障诊断方法

• Published in: 工矿自动化 Vol. 49; no. 12; pp. 147 - 151
• Main Authors: 杨春才, 李向磊, 吕晓伟
• Format: Journal Article
• Language: Chinese
• Published: 国能包头能源有限责任公司万利一矿,内蒙古鄂尔多斯 017099 2023
• Subjects: 奇异值分解; local characteristic scale decomposition; 故障特征提取; 香农熵; fault characteristic extraction; Shannon entropy; 轴承故障诊断; 局部特征尺度分解; coal mining equipment; bearing fault diagnosis; singular value decomposition; 煤机设备
• ISSN: 1671-251X
• DOI: 10.13272/j.issn.1671-251x.18176

TD67; 煤机设备滚动轴承早期故障特征微弱,且易受载荷、工况等因素的影响而被噪声淹没,导致轴承故障诊断困难.现有研究大多采用单一算法处理轴承故障信号,故障特征提取精度和故障诊断准确性有待进一步提高.提出了 一种融合局部特征尺度分解(LCD)和奇异值分解(SVD)的煤机设备轴承故障诊断方法:采用LCD方法将煤机设备轴承振动信号分解为若干个内凛尺度分量(ISC),实现信号初步降噪;计算各ISC的香农熵,选择香农熵最小的ISC进行SVD,并构建SVD信号的奇异值差分谱,针对最大突变分量进行信号重构,实现信号增强去噪;对重构信号进行Hilbert包络解调,得到轴承故障特征频率,进而判断轴承故障.采用现场实测数据对基于LCD-SVD的煤机设备轴承故障诊断方法进行验证,结果表明,该方法可准确提取出轴承故障特征频率,从而实现煤机设备轴承早期故障诊断.