科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的同步提取变换方法(synchronous extraction transform, SET)用于机械故障诊断时，要求多分量信号满足各相邻模态的瞬时频率差大于所选取的SET窗函数频率支撑范围的2倍，否则容易产生频率混叠，实际信号往往无法满足该条件。此外，信号受到噪声的影响，难以获得故障的瞬时频率。针对传统的同步提取变换在机械故障诊断中存在的不足，结合自适应Fourier分解(AFD)和同步提取变换的各自优点，提出了一种基于AFD-SET的机械故障诊断方法。该方法能够有效处理频率接近的非平稳信号，准确地表达信号的瞬时频率，并且具有很快的收敛速度。仿真结果表明，提出的方法能够有效解决传统SET方法中的频率混叠，并具有更高的时频聚集性。将提出的方法应用到滚动轴承故障诊断中，诊断结果表明，该算法正确有效，能够有效提取出故障信号的频率特征。
- 单位
