用于滚动轴承微弱故障信号的诊断 MED AND SANC

资 源 简 介

用于滚动轴承微弱故障信号的诊断 MED AND SANC

详 情 说 明

滚动轴承作为旋转机械的核心部件，其微弱故障的早期诊断对预防重大事故至关重要。传统方法往往难以有效提取被噪声淹没的故障特征。本文将介绍两种创新信号处理技术的组合应用方案。

最小熵反卷积(MED)技术通过最大化信号脉冲特征的峭度指标，能够有效增强原始信号中的周期性冲击成分。这种算法特别适合处理背景噪声强烈的工况，其核心思想是通过逆向滤波器还原被系统传递特性衰减的冲击序列。

自适应消噪(ANC)技术则采用自适应滤波器动态追踪噪声特性，通过构建参考通道实现噪声抵消。与固定频带的滤波方式不同，该方法能自动适应变转速工况下的噪声特征变化，保留信号中的有效故障成分。

针对美国西储大学的标准轴承数据集，建议采用MED-ANC串联处理流程：先通过MED增强冲击特征，再利用ANC抑制残余噪声。这种组合策略既能突出故障冲击的周期性，又能保持信号的信噪比优势。实际应用时需注意调节MED的滤波器长度和ANC的步长参数，以平衡处理效果与计算效率。