【轴承故障检测】滚动轴承中进行基于振动的故障诊断研究(Matlab代码实现)

简介: 【轴承故障检测】滚动轴承中进行基于振动的故障诊断研究(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

🎉3 参考文献

🌈4 Matlab代码实现


💥1 概述

滚动轴承故障检测方法一般包括温度分析、油液分析以及振动信号检测等,通过不同的传感器的信号表现形式可以从不同角度分析轴承故障,通过多种方法的结合运用可以更加准确地判断轴承


故障。


本文可用于在匀速运行的滚动轴承中进行基于振动的故障诊断。


这是一个三步程序:(i)倒谱预白化:


减少其他周期性来源(如齿轮)的贡献。


(ii) 带通滤波:提高信噪比,特别是当对系统共振执行时 (iii) 平方包络频谱:允许检测


(伪)循环稳态贡献,其特征是在特定循环频率下具有大分量


此功能与一个简单的演示一起提供,并且与倍频程完全兼容。


📚2 运行结果


af79a61d59c65454221312c32121180c.png


8b9ec10fdfc244843a2b0915c9c19132.png


部分代码:

function [xSES,alpha,th] = SES(x,fs,bpf,plotFlag,p,cpswFlag)
%% Estimation of the Squared Envelope Spectrum
% this function can be used for detecting bearing faults under constant
% working speed
%
% INPUTS
% x = input signal
% fs = sampling frequency
% bpf = band-pass filter frequencies, use a vector as [f lower, f higher]
% put and empty vector if band-pass filtering is not needed
% bearing fault detection can be improved if performed in a frequency band
% wher the SNR is high (typically about a system resonance)
% plotFlag = display the SES, 0 -> no (default), 1 -> yes
% p = threshold significance level, default p = .999 (99.9%)
% cpswFlag = cesptrum pre-whitening, 0 -> no (default), 1 -> yes
% bearing fault detection is affected by periodic contribution due to
% external sources such as gears. This effect can be reduced by whitening
% the signal before SES
%
% OUTPUTS
% SES = squared envelope spectrum
% alpha = cyclic frequencies
% th = threshold
%
% REF: Borghesani P. et al, Application of cepstrum pre-whitening for the diagnosis of bearing
% faults under variable speed conditions, MSSP, 2013.
%
% M. Buzzoni
% May 2019
if nargin < 4
plotFlag = 0;
p = .999;
cpswFlag = 0;
end
if nargin < 5
p = .999;
cpswFlag = 0;
end
if nargin < 6
cpswFlag = 0;
end
L = length(x);
k = (0:L-1);
% cepstrum pre-whitening
if cpswFlag == 1;
x = real(ifft(fft(x) ./ abs(fft(x))));
end
% band-pass filtering and ses estimation
if isempty(bpf)
l = 1
h = floor(L/2)+1;
wfilt = zeros(size(x)); wfilt(l:h) = 1;
xf = ifft(2 .* fft(x) .* wfilt); % filtered analytic signal
else
l = floor(bpf(1)*L/fs); % lower freq. index
h = floor(bpf(2)*L/fs); % higher freq. index
wfilt = zeros(size(x)); wfilt(l:h) = 1;
xf = ifft(2 .* fft(x) .* wfilt); % filtered analytic signal
end
ENV = abs(xf).^2; % squared envelope
xSES = abs(1/L .* fft( ENV )) .^ 2; % squared envelope spectrum
% threshold
S0 = (h - l - k) ./ (2 * (h - l)^2 ) .* (mean(abs(xf).^2)).^2;
th = chi2inv(p,2) .* S0;
% keep only meaningful cyclic frequencies
alpha = k .* fs ./ L; % cyclic frequencies vector
alpha = alpha(1:h - l);
xSES = xSES(1:h - l); xSES(1) = 0; % put to zero the DC-term of SES in order to
th = th(1:h - l); % improve its visualization
if plotFlag == 1
% display results
tt = k ./ fs; % time vector
figure
subplot(211)
plot(tt,ENV,'k')
title('squared envelope')
xlabel('time (s)')
box off
subplot(212)
plot(alpha,xSES,'k')
title('squared envelope spectrum')
hold on, plot(alpha,th,'r')
legend('SES',[num2str(p .* 100) '% threhsold' ])
xlabel('cyclic frequency (Hz)')
box off
end


🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]刁宁昆. 滚动轴承故障检测的无监督学习方法研究[D].石家庄铁道大学,2022.DOI:10.27334/d.cnki.gstdy.2022.000368.


[2]Borghesani P. et al, Application of cepstrum pre-whitening for the diagnosis of bearing faults under variable speed conditions, MSSP, 2013.


🌈4 Matlab代码实现


相关文章
|
2月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于MSER和HOG特征提取的SVM交通标志检测和识别算法matlab仿真
### 算法简介 1. **算法运行效果图预览**:展示算法效果,完整程序运行后无水印。 2. **算法运行软件版本**:Matlab 2017b。 3. **部分核心程序**:完整版代码包含中文注释及操作步骤视频。 4. **算法理论概述**: - **MSER**:用于检测显著区域,提取图像中稳定区域,适用于光照变化下的交通标志检测。 - **HOG特征提取**:通过计算图像小区域的梯度直方图捕捉局部纹理信息,用于物体检测。 - **SVM**:寻找最大化间隔的超平面以分类样本。 整个算法流程图见下图。
|
1月前
|
运维 算法
基于Lipschitz李式指数的随机信号特征识别和故障检测matlab仿真
本程序基于Lipschitz李式指数进行随机信号特征识别和故障检测。使用MATLAB2013B版本运行,核心功能包括计算Lipschitz指数、绘制指数曲线、检测故障信号并标记异常区域。Lipschitz指数能够反映信号的局部动态行为,适用于机械振动分析等领域的故障诊断。
|
1月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GA-PSO-SVM算法的混沌背景下微弱信号检测matlab仿真
本项目基于MATLAB 2022a,展示了SVM、PSO、GA-PSO-SVM在混沌背景下微弱信号检测中的性能对比。核心程序包含详细中文注释和操作步骤视频。GA-PSO-SVM算法通过遗传算法和粒子群优化算法优化SVM参数,提高信号检测的准确性和鲁棒性,尤其适用于低信噪比环境。
|
3月前
|
监控 算法 数据安全/隐私保护
基于视觉工具箱和背景差法的行人检测,行走轨迹跟踪,人员行走习惯统计matlab仿真
该算法基于Matlab 2022a,利用视觉工具箱和背景差法实现行人检测与轨迹跟踪,通过构建背景模型(如GMM),对比当前帧与模型差异,识别运动物体并统计行走习惯,包括轨迹、速度及停留时间等特征。演示三维图中幅度越大代表更常走的路线。完整代码含中文注释及操作视频。
|
4月前
|
机器学习/深度学习 数据采集 算法
基于深度学习网络的USB摄像头实时视频采集与火焰检测matlab仿真
本项目使用MATLAB2022a实现基于YOLOv2的火焰检测系统。通过USB摄像头捕捉火焰视频,系统实时识别并标出火焰位置。核心流程包括:视频采集、火焰检测及数据预处理(图像标准化与增强)。YOLOv2模型经特定火焰数据集训练,能快速准确地识别火焰。系统含详细中文注释与操作指南,助力快速上手。
|
4月前
|
机器学习/深度学习 监控 算法
基于深度学习网络的人员行为视频检测系统matlab仿真,带GUI界面
本仿真展示了基于GoogLeNet的人员行为检测系统在Matlab 2022a上的实现效果,无水印。GoogLeNet采用创新的Inception模块,高效地提取视频中人员行为特征并进行分类。核心程序循环读取视频帧,每十帧执行一次分类,最终输出最频繁的行为类别如“乐队”、“乒乓球”等。此技术适用于智能监控等多个领域。
75 4
|
4月前
|
存储 Serverless
【matlab】matlab实现倒谱法基音频率检测和共振峰检测(源码+音频文件)【独一无二】
【matlab】matlab实现倒谱法基音频率检测和共振峰检测(源码+音频文件)【独一无二】
111 1
|
4月前
|
算法
基于IEEE802.11g标准的OFDM信号帧检测matlab仿真
此项目旨在应对无线信号识别挑战,利用MATLAB/Simulink开发IEEE 802.11g OFDM信号识别算法。通过对标准的深入研究,设计并计算PLCP前导码数据,采用信号相关性进行信号鉴定。项目构建了完整的发射机模型,在AWGN信道下评估性能。通过生成特定的短训和长训序列,实现帧头检测,并模拟真实信号传输。测试使用MATLAB 2022a版本,展示了信号生成与识别的关键步骤及结果。
|
5月前
|
监控
基于偏微分方程离散化计算的地下换热器建模与温度检测matlab仿真
**摘要:** 探索地下换热器的建模与温度检测,使用MATLAB2022a进行系统仿真,关注传热过程的热传导、对流和辐射。通过离散化偏微分方程建立数值模型,模拟温度场,考虑地质特性和水流影响。建模以网格单元描述温度变化,采用热电偶、红外和光纤测温技术验证模型并监控温度,各具优缺点。光纤测温法提供高精度和抗干扰的分布式监测。
|
5月前
|
机器学习/深度学习 算法 BI
基于深度学习网络的USB摄像头实时视频采集与手势检测识别matlab仿真
**摘要:** 本文介绍了使用MATLAB2022a实现的基于GoogLeNet的USB摄像头手势识别系统。系统通过摄像头捕获视频,利用深度学习的卷积神经网络进行手势检测与识别。GoogLeNet网络的Inception模块优化了计算效率,避免过拟合。手势检测涉及RPN生成候选框,送入网络进行分类。系统架构包括视频采集、手势检测与识别、以及决策反馈。通过GPU加速和模型优化保证实时性能,应用于智能家居等场景。

热门文章

最新文章