本技术公开了一种基于延拓自相关和滑动时频同步平均的电机滚动轴承故障特征提取方法,首先对接收到的带有故障信息的振动信号使用延拓自相关将其进行强化周期性分量的处理;然后对经过EACF处理的信号利用短时傅里叶变换进行时频分析,并在时频平面上沿着频率轴划分出多个频带;接下来分别取各频带的中心频率作为其特征行数据。分别提取出各个频带所对应的特征数据的归一化包络谱;最终通过比较各频带的中心频率在包络谱上的最大能量,选择能量最大的特征行数据并提取出来,对该行及附近的数据行分别做滑动时域同步平均,再对多行数据进行组合实现滑动时频同步平均,从而提取出故障特征信息。本发明方法直观简单,计算速度快并且具有良好的精度。
背景技术
电机滚动轴承是现代机械设备中普遍应用的关键部件之一,广泛存在于各种机械和电动机中。这类轴承由内圈、外圈、滚动体(如球或滚子)和保持架组成,通过这些滚动元件来支持和引导旋转部件,承受载荷和减少摩擦。尽管设计上用于延长设备运行的可靠性和效率,电机滚动轴承在高负荷、高速和复杂环境中操作时仍然面临磨损、疲劳和损伤的风险。轴承的故障可以导致机械性能下降、能耗增加、维护成本提升,甚至严重时会引起机械故障或系统停机。因此,对电机滚动轴承的健康状况进行有效监测与故障诊断变得尤为重要。故障特征提取是故障诊断中的关键步骤,旨在复杂的工业环境中对采集到的振动信号进行处理分析,以便早期识别潜在的故障模式。
实现思路