- 1、本文档共4页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
. 机械制造 · 楼军伟,等 ·基于EEMD样本熵的电机轴承电流信号复杂性评估
基于 EEMD样本熵的电机轴承 电流信号
复杂性评估
楼军伟 ,-,胡赤兵 ,王季 ,李贵子 ,贾德强
(1.兰州理工大学 机电工程学院,甘肃 兰州 730050;2.甘肃省机械产品检测与技术评价重点实验室,甘肃 兰州730030)
摘 要:电机轴承损伤会导致 电机定子 电流产生相应的电流谐波。电流谐波频率包含轴承故障
特征频率。为了有效评估定子电流信号的复杂性(即电流谐波出现概率),采用总体平均经验
模态分解 (EEMD)结合样本熵来实现 。该方法先用EEMD将定子 电流信号分解为若干个 内禀
模态分量.再计算分量的样本熵。通过 比较得 出在评估损伤轴承定子 电流信号复杂性时
EEMD样本熵的效果较样本熵更好.并且 EEMD样本熵增大一减小一增大的变化趋势与轴承损
伤逐渐加大时定子 电流的变化趋势一致。根据上述结论该方法可应用于封闭结构中电机轴承
运行状态的监测和预判.也可以作为智能故障识别的信号源。
关键词 :样本熵;电机轴承;定子电流;复杂性;评估
中图分类号:TH133.33:TP206+.3 文献标志码:B 文章编号:1671—5276(2014)05.0036—04
MotorBearingCurrentSignalComplexityAssessmentBasedonEEMD SampleEntropy
LOUJun-wei ,HUChi—bing,WANGJi,LIGui-zi,JIA De—qiang
(1.SchoolofMechanicalandElectronicalEngineering,LanzhouUniversityofTechnology,Lanzhou730050,China;
2.KeyLaboratoryofMechanicalProductTestingandTechnicalEvalLlationofGansuProvince.Lanzhou730030,China)
Abstract:Damagedmotorbearingmaycauseitsstalercurrenttogeneratethecorrespondingcurrentharmonics.Thebearingfault
characteristicfrequenciesexistinthecurrentharmonicfrequencies.Inordertoeffectivelyevaluatethecomplexityofthestalercurrent
signal(currentharmonicgenerationprobability),EEMDsampleentropyisusedtodecomposethestalercurrentintoseveralintrinsic
modecomponents,thenthesampleentropyofeachcomponentiscalculated.comparison,inthestalercurrentsignalcomplexityas。
sessment,itisgainedthattheeffectsofEEMDsampleextropyarebetterthanonesofthesampleentropy.TheEEMDsampleentre ‘
PYvariationisincreased··ecrease-increasetrendwhichisconsistentedwiththestatorcurrentvariationtrendwhenbearingdamage
graduallyincreases.Accordingtotheaboveconclusions,thismethodcanbeusedformonitoringandanticipatingthemotorbearing
conditioninenclosedstructureandthissignalsourcecanbeappliedtotheintelligentfaultidentification.
Keywords:sample
文档评论(0)