科研之友
微信
新浪微博
Facebook
分享链接
摘要
振动噪声特性是衡量滚动轴承加工和装配质量的重要指标，现有轴承自动化装配产线通过阈值法判断轴承是否存在加工缺陷，再由人工抽检识别产线轴承的具体缺陷类型，从而反馈优化生产工艺，达到加工质量控制的目的。然而，人耳识别等人工抽检方式易受质检员主观因素影响，难免存在对轴承加工缺陷的误诊或漏诊。为了提高轴承加工缺陷类型的识别精度，同时满足大批量轴承的连续诊断需求，提出基于时域Gammatone滤波特征的轴承加工缺陷智能诊断方法，该方法模拟人类听觉系统对声音信号的处理机制，首先利用Gammatone滤波器组提取轴承原始振动信号的多频段特征，然后通过训练智能诊断模型识别出多频段特征对应的轴承加工缺陷类型。利用轴承产线的实测数据对提出方法进行验证，结果表明：相较于其他特征提取方式，提出方法能够模拟人耳对轴承加工缺陷的识别过程，从而提 高了轴承加工缺陷的诊断精度。
- 单位
