Wheelset-bearing Compound Fault Detection Based on Layered-operator Morphological Wavelet
LI Yifan, Jie Yang, CHEN Zaigang, Yudong Cai, LIN Jianhui · Journal of Mechanical Engineering · 2022
摘要： 形态学算子可以分为降噪型算子和特征提取型算子两大类。现有的形态非抽样小波方法在多层分解的每一层均使用相同的形态学算子,但反复使用某种降噪型或特征提取型算子有时很难准确获得信号的特征信息。为此,提出分层算子形态非抽样小波,每一层分解采用不同的形态学算子,通过对去噪型和特征提取型算子的有机融合,方法在故障特征提取方面具有更强的针对性、灵活性,同时也具有明确的物理意义和可解释性。针对轮对轴承复合故障的特点,提出一种局部特征幅值比原则,从不同分辨率对应的不同分析尺度的分析结果中,分别挑选出对不同类型故障最为敏感的分析尺度,进而实现复合故障中各故障的有效分离。在试验台采集轮对轴承复合故障振动信号,将提出的分层算子形态小波应用于实测数据的分析。研究结果表明,提出的方法能有效检测轮对轴承复合故障,与现有的形态非抽样小波方法相比,分层算子形态小波对复合故障的辨识能力更强。