基于四种信号处理方法对凯斯西储大学数据进行特征提取 1. 凯斯西储大学数据集简介 轴承故障诊断所采用的数据集是美国的凯斯西储大学轴承中心所提供的数据，其中轴承故障是人为破坏，分别对滚动轴承的滚动体、内圈和外圈利用电火花加工得到三种不同损伤直径的单点故障。 本次实验选择12kHz采样频率下的驱动端轴承，并且载荷为0HP的轴承故障数据，进行故障诊断，该故障数据的类型见表1.1，每个样本具有1024个振动信号数据点。 表1.1 滚动轴承数据集的划分 滚动轴承 故障类型损伤直径 /mm样本数标签西楚大学轴承 数据名称正常01150normal_0_97.mat轻度滚动体故障0.k_Drive_End_B007_0_118.mat中度滚动体故障0.k_Drive_End_B014_0_185.mat重度滚动体故障0.k_Drive_End_B021_0_222.mat轻度内圈故障0.k_Drive_End_IR007_0_105.mat中度内圈故障0.k_Drive_End_IR014_0_169.mat重度内圈故障0.k_Drive_End_IR021_0_209.mat轻度外圈故障0.k_Drive_End_OR007@6_0_130.mat中度外圈故障0.k_Drive_End_OR014@6_0_197.mat重度外圈故障0.k_Drive_End_OR021@6_0_234.mat合计—1150—— 1.1轴承理论故障特征频率的计算及其转频的计算 (1) 外圈故障 
(2) 内圈故障 (3) 滚动体故障 (4) 保持架故障 式中：d（d=7.94mm）表示滚动体直径，D（D=39.04mm）表示滚道节径，α（α=0）表示轴承接触角，z（z=9）表示滚动体个数，f（f=1797/60）表示转频。 利用上面四个公式编写matlab函数用来计算理论故障特征频率，代码如下图，为了将理论故障特征频率与实际故障特征频率进行对比，我们在下文幅频图和功率图中设置红色竖线表现理论故障特征频率，用来验证四种信号处理方法在故障诊断方面的有效性。 2. 快速傅里叶变换（FFT） 运行下图FFT代码可以得到振动信号时域波形和0-6000HZ的半频率段幅度-频率曲线图，观察曲线图可以发现峰值多为转频的倍频，证明轴承可能存在故障，并且红线（即理论故障特征频率）位于0-300HZ的低频段，很多时候，信号的主要能量集中在低频段，这一部分能量较大的低频信号通常含有丰富的系统状态信息。 2.1滚动体故障信号特征提取FFT 
2.2内圈故障信号特征提取FFT 
2.3外圈故障信号特征提取FFT 
2.4快速傅里叶变换的优缺点 优点：1.运算快速 2.在本次实验中，在内圈故障诊断方面表现很好 缺点：1.FFT理论基础是信号是线性且稳态的，但许多实际设备操作在非线性或非稳态条件下，这可能会影响FFT分析的准确性。 2.在本次实验中，FFT在外圈和滚动体故障诊断方面表现不好
2024最新激活全家桶教程，稳定运行到2099年，请移步至置顶文章：https://sigusoft.com/99576.html
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。 文章由激活谷谷主-小谷整理,转载请注明出处：https://sigusoft.com/69502.html
