[1]李自翔,张 强,范 豫.基于模态分量的自动扶梯轴承振动故障信号特征提取方法[J].机械与电子,2024,42(11):76-80.
　LI Zixiang,ZHANG Qiang,FAN Yu.Feature Extraction Method of Escalator Bearing Vibration Fault Signal Based on Modal Component[J].Machinery & Electronics,2024,42(11):76-80.
点击复制

基于模态分量的自动扶梯轴承振动故障信号特征提取方法()
分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

卷:
42
期数:
2024年11期
页码:
76-80
栏目:
机电一体化
出版日期:
2024-11-27

文章信息/Info

Title:
Feature Extraction Method of Escalator Bearing Vibration Fault Signal Based on Modal Component
文章编号:
1001-2257 ( 2024 ) 11-0076-05
作者:
李自翔; 张 强; 范 豫
河南省特种设备检验技术研究院,河南 郑州 450047
Author(s):
LI Zixiang ;  ZHANG Qiang ;  FAN Yu
( Henan Special Equipment Inspection Technology Research Institute , Zhengzhou 450047 , China )
关键词:
模态分量; 自动扶梯; 轴承故障信号; 特征提取
Keywords:
modal component ;  escalator ;  bearing fault signal ;  feature extraction
分类号:
TH236
文献标志码:
A
摘要:
受自动扶梯轴承振动形态多样性的影响,传统自动扶梯轴承振动故障信号提取方法所提取特征偏差较大,经过长时间实践发现,现阶段所采用的传统振动故障信号提取方法所产生的偏差已经严重影响自动扶梯的正常维护。为此,结合故障信号模量属性引入模态分量计算对其提取过程进行优化,共分为 4 个步骤:首先对自动扶梯轴承振动位移模态分量变化率进行计算;然后进行故障信号特征的 DA 模态分解;接着对轴承振动故障特征信号加以识别;最后完成故障信号特征提取。通过与抽取的 4 种不同提取方法的数据测试分析表明,模态分量算法能够有效提升振动故障信号特征的提取精准度,增强信号中故障分量的权重,改善故障特征提取环境,具有较高的研究价值与市场价值。
Abstract:
Influenced by the diversity of vibration forms of escalator bearing , the feature deviation extracted by the traditional vibration fault signal extraction method of escalator bearing is large.After a long time of practice , it is found that the deviation caused by the traditional vibration fault signal extraction method adopted at the present stage has seriously affected the normal maintenance of escalator.Therefore , combining the modulus attribute of the fault signal , modal component calculation is introduced to optimize its extraction process.The method is divided into four steps : first the modal component change rate of escalator bearing is calculated ; then the DA mode decomposition of fault signal feature is performed ; then the bearing vibration fault feature signal is identified ; finally the fault signal feature extraction is completed. The data test analysis with four different extraction methods shows that the modal component algorithm can effectively improve the extraction accuracy of vibration fault signal feature , enhance the weight of the fault component in the signal , and improve the fault feature extraction environment , which has high research value and market value.

参考文献/References:

[ 1 ] 赵洲峰,赵志勇,邹君文,等 . 基于声振信号组合特征的随机森林模型及其在绝缘子故障识别中的应用[ J ] . 广东电力,2022 , 35 ( 12 ): 93-100.

[ 2 ] 韩春红,伊洪彬,薛涛,等 . 基于 LE DBN 故障诊断模型的滚动轴承振动信号特征提取[ J ] . 机械设计与研究,2023 , 39 ( 3 ): 131-134.
[ 3 ] 梁颖,马泳涛 . 基于混合蜻蜓优化多核模糊聚类和特征子集选取的在线齿轮故障识别[ J ] . 机械设计与制造,2022 ( 1 ): 9-14 , 19.
[ 4 ] 朱兴统 . 基于人工蜂群算法优化 VMD 的旋转机械故障诊断方法[ J ] . 煤矿机械, 2020 , 41 ( 4 ): 159-161.
[ 5 ] K?NIG T , WAGNER F , B??LER R , et al.Synthetic data generation of vibration signals at different speed and load conditions of transmissions utilizing generative adversarial networks [ J ] .Tm-technisches messen , 2023 , 90 ( 10 ): 639 649.
[ 6 ] 刘方,翟涛涛,侯超强,等 . 基于多普勒调制时移 Laplace 小波的列车轴承故障声信号瞬态成分快速提取方法[ J ] . 仪器仪表学报, 2022 , 43 ( 3 ): 40-48.
[ 7 ] 张洋,侯云海,王立新 . 双树复小波算法在滚动轴承故障信号特征提取中的应用[ J ] . 机床与液压,2021 , 49( 22 ): 206-211.
[ 8 ] 王涛,胡定玉,廖爱华,等 . 基于多重降噪的滚动轴承声信号故障特征提取[ J ] . 噪声与振动控制, 2021 , 41 ( 3 ):95-100 , 119.
[ 9 ] 徐元博,江祥奎,李龙 . 高阶对称差分解析能量算子在微弱轴承故障信号提取中的应用[ J ] . 电子学报, 2021 , 49 ( 4 ): 750-759.
[ 10 ] 施杰,伍星,柳小勤,等 . 变分模态分解结合深度迁移学习诊断机械故障[ J ] . 农业工程学报, 2020 , 36 ( 14 ):129-137.
[ 11 ] 孙瑾铃,张伟涛,楼顺天 . 基于等变化自适应源分离算法的滚动轴承故障信号自适应盲提取[ J ] . 电子与信息学报,2020 , 42 ( 10 ): 2471-2477.
[ 12 ] 刘湘楠,赵学智,上官文斌 . 强背景噪声振动信号中滚动轴承故障冲击特征提取[ J ] . 振动工程学报, 2021 ,34 ( 1 ): 202-210.
[ 13 ] 隆勇,郭瑜,伍星,等 . 基于振动信号分离的行星轴承故障特征提取[ J ] . 振动与冲击,2020 , 39 ( 13 ): 78-83 , 109.
[ 14 ] 黄娟,高静,张玲 . 基于小波去噪与 HHT 变换的轴承故障特征信号提取方法研究[ J ] . 机床与液压, 2020 ,48 ( 10 ): 50-55.

相似文献/References:

[1]孟庆宇.基于 ＥＥＭＤ- ＳＶＭ 的自动扶梯主驱动轴轴承故障诊断方法研究[J].机械与电子,2020,(05):51.
　Research on Fault Diagnosis Method for Main Drive Shaft Bearing of Escalator Based on EEMD-SVM [J].Machinery & Electronics,2020,(11):51.

备注/Memo

备注/Memo:
收稿日期: 2023-09-27
基金项目:河南省市场监督管理局科技计划项目( 2023SJ54 )
作者简介:李自翔 ( 1984- ),男,河南太康人,高级工程师,研究方向为机电类特种设备检验检测;张 强 ( 1971- ),男,河南漯河人,高级工程师,研究方向为机电类特种设备检验检测;范 豫 ( 1982- ),女,河南太康人,高级工程师,研究方向为机电类特种设备检验检测。
更新日期/Last Update: 2024-12-11