则同步平均算法公式为:
对式(1)进行Z变换并化简,频特性为[12]:
其中,D(n)为周期确定性成分,
波形和幅值不会发生变化,
将R(n)和R(n)的功率谱分别记为常数),根据式(2)可得:
以一个频域周期为例,
的功率之比为:
结合式(2),化简可得:
的功率下降至原来的1/P,因此该算法可有效突出信号中的确定性成分。当p值达到一定水平时,
几乎只含确定性成分,反之再从
多媒体讲台设计>陶瓷保险丝
到信号的随机成分,从而实现滚动轴承振动信号的盲源分离。
2试验验证
图1为试验台架,试验装置包括变频器、
于模拟点蚀故障。试验时,电机转速为20Hz,振动信号采 采样时间为1s。
UC213轴承技术参数
节圆直径
D/mm滚动体数Z接触角
醇醚燃料α/(°)
92.5100
根据轴承技术参数,计算得到外圈故障特征频率理论值为: 氧氟沙星甘露醇
外圈故障振动信号时域波形如图2所示,此时无法看出任何转频信息及故障特征。
插卡式摄像机图2外圈故障信号时域波形
若直接对原始信号进行包络谱分析,则其计算结果如图3所示。图中虽然出现了一些峰值,但是无法出外圈故障所对应的特征频率。
图3原始故障信号的包络谱
应用DRS对上述信号进行分离,
时信号被分为两个部分,即确定性成分
成分(图4(b))。
图4外圈故障信号盲源分离结果
之后再对上述信号的随机成分进行分析,得到其包络谱如图5所示。从中可明显发现特征频率82.02Hz及其二倍频164.04Hz和三倍频246.06Hz,所得结果与轴承外圈故障特征频率的理论值基本一致,由此判断轴承外圈发生了故障,诊断结果符合实际情况。
图5信号随机成分的包络谱浅卡
通过对比分析可知,故障特征提取效果的差异主要是由于后期应用DRS对故障信号进行了分离,简化了信号成
图1试验台架示意图