亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一種滾動(dòng)軸承故障特征提取方法研究

        2017-03-04 01:06:31吳進(jìn)陳燕平周海燕
        海峽科技與產(chǎn)業(yè) 2017年1期
        關(guān)鍵詞:滾動(dòng)軸承小波特征提取

        吳進(jìn)+陳燕平+周海燕

        摘 要:針對滾動(dòng)軸承共振解調(diào)中如何快速獲取最優(yōu)濾波器的難題,提出了一種新的故障特征提取方法。利用morlet小波函數(shù)構(gòu)造基于組合小波函數(shù)的濾波器,并結(jié)合量子行為粒子群優(yōu)化算法對軸承故障信號進(jìn)行優(yōu)化濾波,以相關(guān)峭度作為評定指標(biāo)選取最優(yōu)濾波信號。本方法增強(qiáng)了濾波的帶通特性,提高了優(yōu)化濾波的速度和優(yōu)化效果,能夠較快的收斂于最優(yōu)解。仿真研究結(jié)果表明,與一般的經(jīng)典算法相比,該方法得出的最優(yōu)濾波信號的故障特征更明顯,同等濾波效果所用的優(yōu)化時(shí)間更少。為濾波器參數(shù)的選取提供了保障。

        關(guān)鍵詞:小波;量子行為粒子群;滾動(dòng)軸承;特征提取

        共振解調(diào)技術(shù)可有效用于軸承故障特征提取,帶通濾波器的濾波效果則直接影響所含故障信息量的大小。因此,如何獲取最優(yōu)濾波器是故障特征提取的關(guān)鍵。針對該問題,Peter W. Tse等人提出了一種自動(dòng)選取最優(yōu)小波濾波器方法[1],利用遺傳算法找到濾波器的最優(yōu)中心頻率。文獻(xiàn)[2]通過遺傳算法對濾波器的截止頻率、波紋、帶寬等參數(shù)進(jìn)行優(yōu)化,利用譜峭度作為選取指標(biāo)得到最優(yōu)濾波器。文獻(xiàn)[3]利用遺傳算法和小波包分解覆蓋全部的共振頻帶進(jìn)行優(yōu)化濾波,并得到了最優(yōu)濾波器。Zhiwen Liu提出了一種基于粒子群算法和支持向量機(jī)的方法進(jìn)行故障特征提取[4]。Adam Docekal提出了一種基于小生境遺傳算法的最優(yōu)頻帶自適應(yīng)選擇法[5],通過建立濾波器組并在其中選取最優(yōu)濾波器。以上方法運(yùn)用智能優(yōu)化算法對濾波器進(jìn)行優(yōu)化,能夠在整個(gè)分析頻域上進(jìn)行優(yōu)化并得到最優(yōu)濾波器,但運(yùn)算量較大,優(yōu)化過程中容易造成局部收斂。量子粒子群優(yōu)化(QPSO)算法是一種新的群體智能優(yōu)化算法。本文提出了一種基于組合小波和量子行為粒子群優(yōu)化算法的故障特征提取方法。

        1 故障特征提取原理

        1.1 量子行為粒子群優(yōu)化算法原理

        文獻(xiàn)[6][7]提出了基于量子行為粒子群優(yōu)化算法,設(shè)在d維搜尋空間中有M個(gè)粒子f(x)作為粒子適應(yīng)度函數(shù),第i個(gè)粒子的當(dāng)前位置向量表示為Xi=(xi1,xi2,…,xid),當(dāng)前速度向量表示為Vi=(vi1,vi2,…,vid),所經(jīng)歷的最佳位置向量表示為Pi=(pi1,pi2,…,pid),群體中全部粒子所經(jīng)歷的最佳位置向量pBest表示為Pg=(g1,g2,…,gd)。則基于量子行為的粒子群優(yōu)化算法公式:

        其中:t表示迭代次數(shù)。rand1j(),rand2j()是0到1之間的隨機(jī)數(shù),mBest是粒子群pBest的中間位置,PPij為Pij和Pgj之間的隨機(jī)點(diǎn)。ω為收斂系數(shù),第t次迭代時(shí)可取,(根據(jù)情況而定),是最大的迭代次數(shù)。算法中,由概率密度函數(shù)描述的束縛狀態(tài)的粒子可以一定概率出現(xiàn)在整個(gè)可行搜索空間的任何區(qū)間,使算法達(dá)到全局收斂。

        1.2 基于Morlet小波的組合小波函數(shù)

        文獻(xiàn)[8]提出了一種基于Morlet小波的組合小波。morlet小波的母小波 :

        以a為尺度參數(shù),以b為位置參數(shù)構(gòu)建小波:

        根據(jù)文獻(xiàn)[7],式(2)變換得到:

        式(6)可以看作一個(gè)帶通濾波器的濾波函數(shù),和相當(dāng)于帶通濾波器的帶寬的上下限頻率。通過設(shè)置和就可以得到不同的帶寬B和中心頻率f0。此濾波器的帶通衰減與a相關(guān),帶通內(nèi)的紋波振蕩與a和相關(guān)。增大a可以加快帶通的衰減速度,減小可以減少帶通內(nèi)的紋波振蕩。通過選取適合a和可以提高濾波器的帶通效果。此濾波器具有較好的快速收斂性、恒定的帶通增益和較少的相位損失等優(yōu)點(diǎn),比一般的濾波器具有更好的帶通特性。通過設(shè)置尺度參數(shù),可以保證足夠的帶通衰減速度,帶通增益振蕩可以確保在內(nèi)。

        1.3 相關(guān)峭度

        文獻(xiàn)[9]提出了相關(guān)峭度(Correlated Kurtosis,CK),它是反映振動(dòng)信號中周期脈沖信號強(qiáng)度的參數(shù),其計(jì)算公式為:

        公式中,yi為濾波后的信號;T是故障脈沖信號的周期;M為偏移的周期個(gè)數(shù)。相關(guān)峭度既考慮了信號的沖擊性,又考慮了沖擊信號的周期性。

        相關(guān)峭度作為一個(gè)局部指標(biāo)克服了峭度無法反映特定信號分量特征的缺點(diǎn),在給定偏移周期T的情況下,能夠準(zhǔn)確反映信號中周期脈沖信號的強(qiáng)度,適用于軸承表面損傷類故障。CK值越大,說明信號中周期脈沖信號所占的比重越多,比峭度更適合作為目標(biāo)函數(shù)應(yīng)用小波變換對共振解調(diào)參數(shù)進(jìn)行優(yōu)化。

        1.4 故障特征提取方法

        基于Morlet組合小波和量子行為粒子群優(yōu)化算法的故障特征提取,基原理是將濾波器的中心頻率作為QPSO算法的粒子并設(shè)置初始值,以濾波后信號的相關(guān)峭度作為QPSO算法的適應(yīng)度值。相關(guān)峭度值較大時(shí)說明濾波得到的信號效果好。根據(jù)較大適應(yīng)度值對應(yīng)的粒子更新個(gè)體和種群的最優(yōu)粒子,最后迭代至算法收斂,此時(shí)對應(yīng)的種群最優(yōu)粒子即為最優(yōu)濾波的中心頻率。

        實(shí)現(xiàn)的步驟如下:

        (1)根據(jù)2.1節(jié)的步驟構(gòu)建基于Morlet小波的組合小波。

        (2)設(shè)置基于分析小波的濾波器的中心頻率f0和品質(zhì)因子Q。對QPSO算法的粒子群進(jìn)行初始化:設(shè)置粒子數(shù)量、粒子位置向量以及初始最優(yōu)位置向量等變量。

        (3)根據(jù)QPSO的粒子對應(yīng)的中心頻率f0和品質(zhì)因子Q計(jì)算組合小波濾波器的帶寬B,并利用組合小波濾波器對信號進(jìn)行濾波,計(jì)算濾波后的信號的相關(guān)峭度,將其作為適應(yīng)度函數(shù)值。

        (4)根據(jù)適應(yīng)度函數(shù)值更新每個(gè)粒子的最優(yōu)位置向量及相關(guān)變量。更新種群最優(yōu)位置及相關(guān)變量。

        (5)根據(jù)公式(1)計(jì)算mBest。

        (6)根據(jù)公式(2)計(jì)算每個(gè)粒子隨機(jī)點(diǎn)PPij。

        (7)根據(jù)公式(3)更新每個(gè)粒子位置向量。

        (8)重復(fù)步驟(3)至(7)直到滿足迭代次數(shù)為止。

        當(dāng)進(jìn)行頻譜分析時(shí),濾波器的帶寬不能小于故障頻率的3階頻率。粒子數(shù)量一般設(shè)置在5~20個(gè),迭代次數(shù)根據(jù)實(shí)際的需要而定。

        2 仿真試驗(yàn)

        為了驗(yàn)證本文算法的優(yōu)勢,采用文獻(xiàn)[2]提出的基于遺傳算法和譜峭度的滾動(dòng)軸承故障檢測方法進(jìn)行對比仿真,此算法的基本的原理是以譜峭度作為適應(yīng)度值,利用遺傳算法對帶通濾波器的各項(xiàng)參數(shù)進(jìn)行優(yōu)化。具體過程參考文獻(xiàn)[2]。

        2.1 仿真信號

        機(jī)械設(shè)備滾動(dòng)軸承振動(dòng)信號模型采用故障沖擊信號、齒輪諧波信號和白噪聲信號的疊加,具體如下:

        式(8)中,Ai為以1/fr為周期的幅值調(diào)制,fr為軸的轉(zhuǎn)頻;B(t)為背景諧波分量,fn為系統(tǒng)的自然頻率,S(t)為指數(shù)衰減脈沖,兩相鄰沖擊的間隔為T,τi為滑移引起的第i個(gè)脈沖的周期延遲,ξ為系統(tǒng)阻尼系數(shù),n(t)為白噪聲。本文仿真信號具體取值:fr=40,fn=1600,T=1/150,τi=1,A0=2,B0=4,cA=0.5。仿真信號如圖1所示。

        2.2 仿真分析

        圖2表示兩種算法取不同迭代次數(shù)與其對應(yīng)的最優(yōu)濾波信號的相關(guān)峭度對照圖。圖3表示兩種算法的迭代次數(shù)與時(shí)間對照圖,本文算法所取粒子數(shù)為10,文獻(xiàn)[2]算法所取種群數(shù)為10。

        從圖2中可以看出,本文算法的迭代次數(shù)達(dá)到第18次時(shí)達(dá)到收斂,收斂的相關(guān)峭度值為0.0002左右。文獻(xiàn)[2]算法收斂時(shí)的迭代次數(shù)為第59次,且收斂時(shí)的相關(guān)峭度值為0.00018左右。本文算法起始時(shí)的相關(guān)峭度值就在0.00016左右,很快就達(dá)到了收斂,且收斂時(shí)的相關(guān)峭度值要大于文獻(xiàn)[2]算法的收斂時(shí)的相關(guān)峭度。從圖3中可以看出,本文算法收斂時(shí)的迭代時(shí)間是52.2s,另一種算法收斂時(shí)的迭代時(shí)間是64.1s。本文算法的收斂時(shí)間比文獻(xiàn)[2]算法的收斂時(shí)間要短。

        本文算法最終收斂時(shí)得到的濾波后相關(guān)峭度最大的信號頻譜,如圖4所示。此時(shí)的迭代次數(shù)為18次。文獻(xiàn)[2]算法最終收斂時(shí)得到的濾波后相關(guān)峭度最大的信號的頻譜,如圖5所示。此時(shí)的迭代次數(shù)為58次。

        圖4中的故障頻率階數(shù)是5,最高的能量幅值是0.11,對應(yīng)的中心頻率是1431Hz,帶寬是976Hz。圖5中的故障頻率階數(shù)是4,最高的能量幅值是0.09,對應(yīng)的中心頻率是2121Hz,帶寬是1567Hz。圖4的故障特征效果要好于圖5。說明本文算法得到的最優(yōu)濾波信號要好于文獻(xiàn)[2]提出的算法。

        3.總結(jié)

        提出的基于組合小波和量子行為粒子群優(yōu)化算法的滾動(dòng)軸承特征提取方法,較好解決了滾動(dòng)軸承共振解調(diào)中如何合理選取帶通濾波器參數(shù)和快速獲取最優(yōu)頻帶的難題,通過仿真驗(yàn)證可以得出,本文的算法能夠以收斂于全局最優(yōu)解,運(yùn)算過程中的優(yōu)化速度快。

        參考文獻(xiàn)

        [1] Tse P W, Yang W, Tam H Y. Machine fault diagnosis through an effective exact wavelet analysis

        [J]. Journal of Sound and Vibration, 2004, 277(4): 1005-1024.

        [2] Zhang Y, Randall R B. Rolling element bearing fault diagnosis based on the combination of genetic

        algorithms and fast kurtogram[J]. Mechanical Systems and Signal Processing, 2009, 23(5): 1509-1517.

        [3] Tse P W, Wang D. The automatic selection of an optimal wavelet filter and its enhancement by the new

        sparsogram for bearing fault detection: Part 2 of the two related manuscripts that have a joint title as Two

        automatic vibration-based fault diagnostic methods using the novel sparsity measurement—Parts 1 and 2”[J].

        Mechanical Systems and Signal Processing, 2013, 40(2): 520-544.

        [4] Liu Z, Cao H, Chen X, et al. Multi-fault classification based on wavelet SVM with PSO algorithm to analyze

        vibration signals from rolling element bearings[J]. Neurocomputing, 2013, 99: 399-410.

        [5] Adam Docekal, RadislavSmid, MarcelKreidl, et al. Detecting dominant resonant modes of rolling bearing

        faults using the niching genetic algorithm[J]. Mechanical Systems and Signal Processing, 2011, 25: 2559–2572.

        [6] Sun, Jun, Wenbo Xu, and Bin Feng. "A global search strategy of quantum-behaved particle swarm

        optimization." Cybernetics and Intelligent Systems, 2004 IEEE Conference on. Vol. 1. IEEE, 2004.

        [7] Sun, Jun, Bin Feng, and Wenbo Xu. "Particle swarm optimization with particles having quantum behavior."

        Congress on Evolutionary Computation. 2004.

        [8] Sheen, Yuh-Tay, and Chun-Kai Hung. "Constructing a wavelet-based envelope function for vibration signal

        analysis." Mechanical Systems and Signal Processing 18.1 (2004): 119-126.

        [9] McDonald, Geoff L., Qing Zhao, and Ming J. Zuo. "Maximum correlated Kurtosis deconvolution and

        application on gear tooth chip fault detection." Mechanical Systems and Signal Processing 33 (2012): 237-255.

        猜你喜歡
        滾動(dòng)軸承小波特征提取
        構(gòu)造Daubechies小波的一些注記
        基于MATLAB的小波降噪研究
        電子制作(2019年13期)2020-01-14 03:15:32
        基于Gazebo仿真環(huán)境的ORB特征提取與比對的研究
        電子制作(2019年15期)2019-08-27 01:12:00
        基于改進(jìn)的G-SVS LMS 與冗余提升小波的滾動(dòng)軸承故障診斷
        一種基于LBP 特征提取和稀疏表示的肝病識別算法
        滾動(dòng)軸承裝配方法及注意事項(xiàng)
        滾動(dòng)軸承安裝使用中的幾個(gè)問題
        基于小波包絡(luò)分析的滾動(dòng)軸承典型故障診斷技術(shù)研究
        商情(2016年11期)2016-04-15 07:39:54
        基于包絡(luò)分析法的軸承故障分析
        基于MED和循環(huán)域解調(diào)的多故障特征提取
        日本岛国大片不卡人妻| 国产偷国产偷亚洲综合av| 日韩在线永久免费播放| 国产人妻久久精品二区三区特黄| 国产91色在线|亚洲| av二区三区在线观看| 少妇一区二区三区久久| 凹凸在线无码免费视频| 欧美在线不卡视频| 国内偷拍视频一区二区| 亚洲av天堂在线视频| 亚洲男人的天堂在线aⅴ视频| 亚洲爆乳大丰满无码专区| 国产白浆大屁股精品视频拍| 国产av无码专区亚洲av果冻传媒| 色欲人妻综合网| 亚洲深夜福利| 国产三级韩三级日产三级| 99久久精品免费看国产| 亚洲欧美日韩在线一区 | 91综合在线| 一区二区三区夜夜久久| 国产精品久久久福利| 国产精品无码一区二区三区免费| 国产午夜激无码AV毛片不卡| 国产精品久久久黄色片| 亚洲av无码乱码国产精品| 正在播放一区| 天堂a版一区二区av| 国产精华液一区二区三区| 国产成人无码区免费内射一片色欲| 精品综合久久久久久8888| 免费人成在线观看播放视频| 97色偷偷色噜噜狠狠爱网站| 麻豆精产国品| 国产av一区二区三区国产福利| av天堂精品久久综合网| 国产成人精品日本亚洲| 久久精品综合国产二区| 国产在线观看自拍av| 日日噜狠狠噜天天噜av|