基于盲源分离的采煤机摇臂轴承故障诊断方法

针对采煤机摇臂轴承故障,介绍了一种基于盲源分离算法的轴承故障识别方法。该方法采用优化滑动平均长度,以最大信噪比为目标函数对振动信号进行盲源分离,分离后的信号进一步加速度包络处理,信号特征可用于识别轴承故障。通过采煤机摇臂加载试验台进行试验验证,采集采煤机摇臂两个不同部位的振动加速度信号,运用该方法对振动信号进行处理后判别故障类型和位置。结果表明:与单纯的加速度包络法相比较,该方法处理后的信号特征更加明显,对轴承部位的识别率较高。研究结果对于采煤机摇臂的故障预测具有较好地效果,能够进一步提高采煤机在故障领域方面的智能化。...

Full description

Saved in:
Bibliographic Details
Published in:煤炭学报 2015 (11), p.2509-2513
Main Author: 郝尚清 庞新宇 王雪松 张天赐 朱浩天
Format: Article
Language:Chinese
Subjects:
采煤机摇臂
盲源分离
最大信噪比
加速度包络
故障识别
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
cited_by
cites
container_end_page 2513
container_issue 11
container_start_page 2509
container_title 煤炭学报
container_volume
creator 郝尚清 庞新宇 王雪松 张天赐 朱浩天
description 针对采煤机摇臂轴承故障,介绍了一种基于盲源分离算法的轴承故障识别方法。该方法采用优化滑动平均长度,以最大信噪比为目标函数对振动信号进行盲源分离,分离后的信号进一步加速度包络处理,信号特征可用于识别轴承故障。通过采煤机摇臂加载试验台进行试验验证,采集采煤机摇臂两个不同部位的振动加速度信号,运用该方法对振动信号进行处理后判别故障类型和位置。结果表明:与单纯的加速度包络法相比较,该方法处理后的信号特征更加明显,对轴承部位的识别率较高。研究结果对于采煤机摇臂的故障预测具有较好地效果,能够进一步提高采煤机在故障领域方面的智能化。
format article
fullrecord <record><control><sourceid>chongqing</sourceid><recordid>TN_cdi_chongqing_primary_77848866504849534949484851</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><cqvip_id>77848866504849534949484851</cqvip_id><sourcerecordid>77848866504849534949484851</sourcerecordid><originalsourceid>FETCH-chongqing_primary_778488665048495349494848513</originalsourceid><addsrcrecordid>eNpjYeA0MDI11rW0tDTmYOAqLs4yMDA2MTYz5WSweTp_15Ndfc9nb3q2a8LTjrbny3Y_n9Xysr39eeuSZ3N2PZvY_qK96cXeLc869z-b2vpy1pwX67ueTVv7bNrOZ5un8jCwpiXmFKfyQmluBmM31xBnD93kjPy89MLMvPT4gqLM3MSiynhzcwsTCwszM1MDEwsTS1NjE0sgBAqZGhqTpwsADeNRsw</addsrcrecordid><sourcetype>Publisher</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于盲源分离的采煤机摇臂轴承故障诊断方法</title><source>IngentaConnect Journals</source><creator>郝尚清 庞新宇 王雪松 张天赐 朱浩天</creator><creatorcontrib>郝尚清 庞新宇 王雪松 张天赐 朱浩天</creatorcontrib><description>针对采煤机摇臂轴承故障,介绍了一种基于盲源分离算法的轴承故障识别方法。该方法采用优化滑动平均长度,以最大信噪比为目标函数对振动信号进行盲源分离,分离后的信号进一步加速度包络处理,信号特征可用于识别轴承故障。通过采煤机摇臂加载试验台进行试验验证,采集采煤机摇臂两个不同部位的振动加速度信号,运用该方法对振动信号进行处理后判别故障类型和位置。结果表明:与单纯的加速度包络法相比较,该方法处理后的信号特征更加明显,对轴承部位的识别率较高。研究结果对于采煤机摇臂的故障预测具有较好地效果,能够进一步提高采煤机在故障领域方面的智能化。</description><identifier>ISSN: 0253-9993</identifier><language>chi</language><subject>采煤机摇臂;盲源分离;最大信噪比;加速度包络;故障识别</subject><ispartof>煤炭学报, 2015 (11), p.2509-2513</ispartof><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://image.cqvip.com/vip1000/qk/96550X/96550X.jpg</thumbnail><link.rule.ids>314,780,784,4022</link.rule.ids></links><search><creatorcontrib>郝尚清 庞新宇 王雪松 张天赐 朱浩天</creatorcontrib><title>基于盲源分离的采煤机摇臂轴承故障诊断方法</title><title>煤炭学报</title><addtitle>Journal of China Coal Society</addtitle><description>针对采煤机摇臂轴承故障,介绍了一种基于盲源分离算法的轴承故障识别方法。该方法采用优化滑动平均长度,以最大信噪比为目标函数对振动信号进行盲源分离,分离后的信号进一步加速度包络处理,信号特征可用于识别轴承故障。通过采煤机摇臂加载试验台进行试验验证,采集采煤机摇臂两个不同部位的振动加速度信号,运用该方法对振动信号进行处理后判别故障类型和位置。结果表明:与单纯的加速度包络法相比较,该方法处理后的信号特征更加明显,对轴承部位的识别率较高。研究结果对于采煤机摇臂的故障预测具有较好地效果,能够进一步提高采煤机在故障领域方面的智能化。</description><subject>采煤机摇臂;盲源分离;最大信噪比;加速度包络;故障识别</subject><issn>0253-9993</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2015</creationdate><recordtype>article</recordtype><recordid>eNpjYeA0MDI11rW0tDTmYOAqLs4yMDA2MTYz5WSweTp_15Ndfc9nb3q2a8LTjrbny3Y_n9Xysr39eeuSZ3N2PZvY_qK96cXeLc869z-b2vpy1pwX67ueTVv7bNrOZ5un8jCwpiXmFKfyQmluBmM31xBnD93kjPy89MLMvPT4gqLM3MSiynhzcwsTCwszM1MDEwsTS1NjE0sgBAqZGhqTpwsADeNRsw</recordid><startdate>2015</startdate><enddate>2015</enddate><creator>郝尚清 庞新宇 王雪松 张天赐 朱浩天</creator><scope>2RA</scope><scope>92L</scope><scope>CQIGP</scope><scope>~WA</scope></search><sort><creationdate>2015</creationdate><title>基于盲源分离的采煤机摇臂轴承故障诊断方法</title><author>郝尚清 庞新宇 王雪松 张天赐 朱浩天</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-chongqing_primary_778488665048495349494848513</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2015</creationdate><topic>采煤机摇臂;盲源分离;最大信噪比;加速度包络;故障识别</topic><toplevel>online_resources</toplevel><creatorcontrib>郝尚清 庞新宇 王雪松 张天赐 朱浩天</creatorcontrib><collection>维普_期刊</collection><collection>中文科技期刊数据库-CALIS站点</collection><collection>维普中文期刊数据库</collection><collection>中文科技期刊数据库- 镜像站点</collection><jtitle>煤炭学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>郝尚清 庞新宇 王雪松 张天赐 朱浩天</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于盲源分离的采煤机摇臂轴承故障诊断方法</atitle><jtitle>煤炭学报</jtitle><addtitle>Journal of China Coal Society</addtitle><date>2015</date><risdate>2015</risdate><issue>11</issue><spage>2509</spage><epage>2513</epage><pages>2509-2513</pages><issn>0253-9993</issn><abstract>针对采煤机摇臂轴承故障,介绍了一种基于盲源分离算法的轴承故障识别方法。该方法采用优化滑动平均长度,以最大信噪比为目标函数对振动信号进行盲源分离,分离后的信号进一步加速度包络处理,信号特征可用于识别轴承故障。通过采煤机摇臂加载试验台进行试验验证,采集采煤机摇臂两个不同部位的振动加速度信号,运用该方法对振动信号进行处理后判别故障类型和位置。结果表明:与单纯的加速度包络法相比较,该方法处理后的信号特征更加明显,对轴承部位的识别率较高。研究结果对于采煤机摇臂的故障预测具有较好地效果,能够进一步提高采煤机在故障领域方面的智能化。</abstract></addata></record>
fulltext fulltext
identifier ISSN: 0253-9993
ispartof 煤炭学报, 2015 (11), p.2509-2513
issn 0253-9993
language chi
recordid cdi_chongqing_primary_77848866504849534949484851
source IngentaConnect Journals
subjects 采煤机摇臂
盲源分离
最大信噪比
加速度包络
故障识别
title 基于盲源分离的采煤机摇臂轴承故障诊断方法
url http://sfxeu10.hosted.exlibrisgroup.com/loughborough?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-10T13%3A53%3A51IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-chongqing&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E7%9B%B2%E6%BA%90%E5%88%86%E7%A6%BB%E7%9A%84%E9%87%87%E7%85%A4%E6%9C%BA%E6%91%87%E8%87%82%E8%BD%B4%E6%89%BF%E6%95%85%E9%9A%9C%E8%AF%8A%E6%96%AD%E6%96%B9%E6%B3%95&rft.jtitle=%E7%85%A4%E7%82%AD%E5%AD%A6%E6%8A%A5&rft.au=%E9%83%9D%E5%B0%9A%E6%B8%85%20%E5%BA%9E%E6%96%B0%E5%AE%87%20%E7%8E%8B%E9%9B%AA%E6%9D%BE%20%E5%BC%A0%E5%A4%A9%E8%B5%90%20%E6%9C%B1%E6%B5%A9%E5%A4%A9&rft.date=2015&rft.issue=11&rft.spage=2509&rft.epage=2513&rft.pages=2509-2513&rft.issn=0253-9993&rft_id=info:doi/&rft_dat=%3Cchongqing%3E77848866504849534949484851%3C/chongqing%3E%3Cgrp_id%3Ecdi_FETCH-chongqing_primary_778488665048495349494848513%3C/grp_id%3E%3Coa%3E%3C/oa%3E%3Curl%3E%3C/url%3E&rft_id=info:oai/&rft_id=info:pmid/&rft_cqvip_id=77848866504849534949484851&rfr_iscdi=true