【技术实现步骤摘要】
本专利技术涉及机械故障诊断领域，具体涉及一种时移多尺度加权斜率熵的滚动轴承变速下故障诊断方法。
技术介绍
1、在变速工作条件下，测量振动信号中故障引起的脉冲的间隔随转速而变化，通过传统频谱分析时，会产生明显的频率混叠现象。
2、一般来说，阶次跟踪技术和时频分析技术是两种常用的分析变速信号的方法，阶次跟踪技术解决变速问题的最直接、最有效的方法。阶次跟踪技术在获取转速信息时，也存在着一些问题，例如速度提取不准确而导致失真以及需要额外的硬件设备，导致在某些工业应用中是不可行的。
3、因此，自适应信号处理技术在提取轴承损伤特征方面具有一定的优势，例如经验模态分解(emd)，变分模式分解(vmd)；然而，emd受到模式混合、边界效应以及对噪声和采样的敏感性等问题的影响；vmd的核心假设是信号模式在频域中是窄带和分离的，不适用于宽带非平稳信号提取，尤其是模式频谱重叠时。
4、而智能故障诊断技术能够从大量的轴承工作数据中，通过特征提取和机器学习技术进行处理和挖掘；为了获得有效的特征信息，通常将基于熵的方法与时频分析...
【技术保护点】
1.一种时移多尺度加权斜率熵的滚动轴承变速下故障诊断方法，其特征在于，该方法为：
2.根据权利要求1所述的时移多尺度加权斜率熵的滚动轴承变速下故障诊断方法，其特征在于，所述利用SAK技术对所述初始振动信号进行滤波，确定故障的最佳敏感频带，并滤出包络信号，具体为：
3.根据权利要求1或2所述的时移多尺度加权斜率熵的滚动轴承变速下故障诊断方法，其特征在于，所述步骤三具体为：
4.根据权利要求3所述的时移多尺度加权斜率熵的滚动轴承变速下故障诊断方法，其特征在于，所述利用时移多尺度加权斜率熵算法对获得的故障信号进行特征提取，获得故障特征信息
<...【技术特征摘要】
1.一种时移多尺度加权斜率熵的滚动轴承变速下故障诊断方法，其特征在于，该方法为：
2.根据权利要求1所述的时移多尺度加权斜率熵的滚动轴承变速下故障诊断方法，其特征在于，所述利用sak技术对所述初始振动信号进行滤波，确定故障的最佳敏感频带，并滤出包络信号，具体为：
3.根据权利要求1或2所述的时移多尺度加权斜率熵的滚动轴承变速下故障诊断方法，其特征在于，所述...
【专利技术属性】
技术研发人员：杜娟，李喆，成倩，李佳，程文雄，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。