【故障诊断】基于最小熵反卷积、最大相关峰度反卷积和最大二阶环平稳盲反卷积等盲反卷积方法在机械故障诊断中的应用研究(Matlab代码实现)

简介: 【故障诊断】基于最小熵反卷积、最大相关峰度反卷积和最大二阶环平稳盲反卷积等盲反卷积方法在机械故障诊断中的应用研究(Matlab代码实现)

💥 💥 💞 💞 欢迎来到本博客 ❤️ ❤️ 💥 💥



🏆 博主优势: 🌞 🌞 🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。



⛳ 座右铭:行百里者,半于九十。


📋 📋 📋 本文目录如下: 🎁 🎁 🎁

目录

💥1 概述

📚2 运行结果

2.1 稀疏最大谐波噪声比反卷积

2.2 最大相关峰度反卷积

2.3 最大二阶环平稳盲反卷积

🎉3 参考文献

🌈4 Matlab代码实现


💥1 概述

最小熵反卷积(MED)、最大相关峰度反卷积(MCKD)和最大二阶环平稳盲反卷积(CYCBD)等盲反卷积方法在机械故障诊断中得到了广泛的应用。同时考虑周期性和脉冲性,MCKD,CYCBD可以解决MED偏向于随机脉冲而不是周期性故障脉冲的问题。然而,MCKD和CYCBD的优越性在很大程度上取决于先前的故障周期。在工业应用中,由于转速波动和测量问题,很难准确获得故障周期。


因此,我们首先提出利用迭代算法估计迭代周期,以解决盲反卷积方法中前期的问题。根据自相关原理,即当时延满足周期或其倍数时,将显示较高的值,在MCKD中选择具有局部最大值的位置作为迭代周期。包络谐波积谱(EHPS)最初是为估计CYCBD中的特征频率而定制的。基于BDM迭代算法的周期估计可以帮助MCKD和CYCBD在无需先验知识的情况下应用于机械故障诊断。


📚2 运行结果

2.1 稀疏最大谐波噪声比反卷积


85c2eb89f15d18c7d1ad32b33891a328.png


d9ceb761810346ec10759172e8811e90.png


146d49f296ce25df8d454aa7478156a3.png


a95fe98405cf741845d74cdeec30ca3e.png


2.2 最大相关峰度反卷积


99dfaacffedf3b85a257b49edd193117.png


a838e5e82f2e7c651a036b74380f2382.png


e617e89f8e0f4f818ff564fe9ea313b9.png


8aefe318e58f09242f2b9bb0d53ef05c.png


ecbba3da7a28074f3b6e8e8de29d371d.png


2.3 最大二阶环平稳盲反卷积


fd67a04ade83851dc2900f7158974acd.png


fc5f0fbd83f19efe9ca32911e6df5a20.png


109f8abaf56332afe7ab08c9584f9137.png


261a8f00df5f2e37b4871a3464d94a24.png


da7d482f8a1441bac0ec5bf2a115961a.png


         

部分代码:

%%
load sig3
x = x - mean(x);
addpath('..\00 subfunction\')
%%
fs = 20000;
N = length(x);
t = (0:N - 1) / fs;
t = t(:);
BPFI = 38;
%% Raw data
figure;
plot(t, x, 'b');
xlabel('Time [s]')
ylabel('Amplitude')
title('Raw data')
legend(['Kurtosis=', num2str(kurtosis(x))])
setfontsize(20);
set(gcf, 'position', [100, 100, 800, 400])
axis tight
ylim([-2 2.5])
envelope_x = abs(hilbert(x)) - mean(abs(hilbert(x)));
ff = 0:fs / N:fs - fs / N;
amp_envelope_x = abs(fft(envelope_x, N)) * 2 / fs;
figure;
plot(ff, amp_envelope_x, 'b')
xlabel('Frequency [Hz]')
ylabel('Amplitude')
setfontsize(20);
set(gcf, 'position', [100, 100, 800, 400])
axis tight
xlim([0, 200]);
ylim([0 0.025])
%% SMHD
[y_final, f_final, kurtIter] = smhd(fs, x, 100, 30, 1.5 * rms(x), [], 0);
%% Filtered signal
figure;
plot(t, y_final, 'b');
xlabel('Time [s]')
ylabel('Amplitude')
title('Filtered signal by SMHD')
legend(['Kurtosis=', num2str(kurtosis(y_final))])
setfontsize(20);
set(gcf, 'position', [100, 100, 800, 400])
axis tight
ylim([-3.5 4.5])
envelope_y = abs(hilbert(y_final)) - mean(abs(hilbert(y_final)));
amp_envelope_y = abs(fft(envelope_y, N)) * 2 / fs;
figure;
plot(ff, amp_envelope_y, 'b')
xlabel('Frequency [Hz]')
ylabel('Amplitude')
setfontsize(20);
set(gcf, 'position', [100, 100, 800, 400])
axis tight
xlim([0, 200]);
ylim([0 0.3])


🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1] 苗彦, 赵明, 林建军, 雷尹, 改进的最大相关峰度反卷积方法在滚动体轴承故障诊断中的应用, 机械系统与信号处理, 92 (2017) 173-195.


[2] 苗彦, 赵明, 梁国强, 林建军, 改进MCKDA在基于编码器信号的风力发电机齿轮故障检测中的应用, 可再生能源, 151 (2020) 192-203.


[3] 张斌, 苗彦, 林建军, 易玲玲, 自适应最大二阶环平稳性盲反卷积及其在机车轴承故障诊断中的应用, 机械系统与信号处理, 158 (2021) 107736.


[4] 苗彦, 张斌, 林建军, 赵明, 刘海, 刘忠, 李海, 盲反卷积在机械故障诊断中的应用研究进展, 机械系统与信号处理, 163 (2022) 108202.


[5] 苗彦, 赵明, 林建, 徐晓, 用于轴承弱故障特征检测的稀疏最大谐波噪声比反卷积, 测量科学与技术, 27 (2016) 105004.


[6] 苗彦, 张斌, 林建军, 赵明, 刘海, 刘忠, 李海, 盲反卷积在机械故障诊断中的应用研究进展, 机械系统与信号处理, 163 (2022) 108202.


[1] Y. Miao, M. Zhao, J. Lin, Y. Lei, Application of an improved maximum correlated kurtosis deconvolution method for fault diagnosis of rolling element bearings, Mechanical Systems and Signal Processing, 92 (2017) 173-195.


[2] Y. Miao, M. Zhao, K. Liang, J. Lin, Application of an improved MCKDA for fault detection of wind turbine gear based on encoder signal, Renewable Energy, 151 (2020) 192-203.


The matlab codes of period estimation using EHPS permit to reproduce some results in the papers:


[1] B. Zhang, Y. Miao, J. Lin, Y. Yi, Adaptive maximum second-order cyclostationarity blind deconvolution and its application for locomotive bearing fault diagnosis, Mechanical Systems and Signal Processing, 158 (2021) 107736.


[2] Y. Miao, B. Zhang, J. Lin, M. Zhao, H. Liu, Z. Liu, H. Li, A review on the application of blind deconvolution in machinery fault diagnosis, Mechanical Systems and Signal Processing, 163 (2022) 108202.


In addition, the matlab codes of the deconvolution method, Sparse maximum harmonics-to-noise-ratio deconvolution (SMHD), permit to reproduce some results in the papers:


[1] Y. Miao, M. Zhao, J. Lin, X. Xu, Sparse maximum harmonics-to-noise-ratio deconvolution for weak fault signature detection in bearings, Measurement Science and Technology, 27 (2016) 105004.


[2] Y. Miao, B. Zhang, J. Lin, M. Zhao, H. Liu, Z. Liu, H. Li, A review on the application of blind deconvolution in machinery fault diagnosis, Mechanical Systems and Signal Processing, 163 (2022) 108202.


🌈4 Matlab代码实现


相关文章
|
6月前
|
数据可视化 算法
MATLAB Simulink 交交变流电路性能研究
MATLAB Simulink 交交变流电路性能研究
73 2
|
6月前
|
数据可视化 算法
MATLAB Simulink 单相桥式整流电路性能研究
MATLAB Simulink 单相桥式整流电路性能研究
60 2
|
6月前
|
数据可视化 算法
MATLAB Simulink 直流斩波电路性能研究
MATLAB Simulink 直流斩波电路性能研究
73 1
|
6月前
|
数据可视化 算法
MATLAB Simulink 逆变电路性能研究
MATLAB Simulink 逆变电路性能研究
45 1
|
6月前
|
数据可视化 算法
MATLAB Simulink 三相整流电路性能研究
MATLAB Simulink 三相整流电路性能研究
65 1
|
3月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
161 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
3月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
116 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
3月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
84 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
|
6月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)

热门文章

最新文章