【摘要】：針對滾動軸承早期故障振動信號受噪聲影響、總體經驗模態(tài)分解(EEMD)參數(shù)不易獲取的問題,提出了基于改進EEMD和譜峭度的滾動軸承故障診斷方法。首先提取信號高頻成分及設置期望分解誤差確定EEMD參數(shù),利用EEMD將信號分解為若干個本征模態(tài)分量(IMF),依據(jù)峭度準則選取相應分量進行重構以突出故障信息、提高信噪比;然后利用快速譜峭度圖來選取帶通濾波器的參數(shù);最后對濾波信號進行能量算子解調分析。該方法應用到實測數(shù)據(jù)中的結果表明,其不僅能夠自適應確定EEMD參數(shù),降低了噪聲的影響,還能清晰、準確地提取出故障特征頻率,實現(xiàn)了滾動軸承故障的精確診斷。
[Abstract]:Aiming at the problem that the vibration signal of early fault of rolling bearing is affected by noise and the (EEMD) parameters of total empirical mode decomposition are difficult to obtain, a fault diagnosis method of rolling bearing based on improved EEMD and spectral kurtosis is proposed. Firstly, the high frequency components of the signal are extracted and the expected decomposition error is set to determine the EEMD parameters. The signal is decomposed into several intrinsic modal components by EEMD. The corresponding components are selected according to the kurtosis criterion to reconstruct the signal to highlight the fault information and to improve the signal-to-noise ratio (SNR). Then the parameters of the band-pass filter are selected by using the fast spectral kurtosis graph and the energy operator demodulation analysis of the filtered signal is carried out. The application of this method to the measured data shows that the method can not only adaptively determine the EEMD parameters, reduce the influence of noise, but also extract the fault characteristic frequency clearly and accurately, and realize the accurate diagnosis of rolling bearing fault.
【作者單位】： 石家莊鐵道大學電氣與電子工程學院;
【基金】：國家自然科學基金項目(11372199,51405313,11572206) 河北省自然科學基金項目(A2014210142)
【分類號】：TH133.33

【相似文獻】

相關期刊論文 前10條

1 蔡改改;劉海洋;黃偉國;朱忠奎;;自適應譜峭度濾波方法及其振動信號檢測應用[J];振動.測試與診斷;2014年02期

2 鄭威;樊可清;;基于譜峭度的不確定性振源監(jiān)測方法[J];噪聲與振動控制;2007年05期

3 武兵;賈峰;熊曉燕;;基于最大相關峭度反褶積的軸承故障診斷方法[J];振動.測試與診斷;2014年03期

4 張睿凡;孔凡讓;;基于譜峭度法的滾動軸承故障診斷研究[J];現(xiàn)代制造工程;2012年06期

5 沈金偉;石林鎖;;滾動軸承故障診斷的改進小波變換譜峭度法[J];軸承;2010年08期

6 石林鎖;張亞洲;米文鵬;;基于WVD的譜峭度法在軸承故障診斷中的應用[J];振動.測試與診斷;2011年01期

7 毋文峰;陳小虎;蘇勛家;王旭平;姚春江;;基于峭度的ICA特征提取和齒輪泵故障診斷[J];機械科學與技術;2011年09期

8 石林鎖;沈金偉;張亞洲;牛武澤;;基于AR模型和譜峭度法的滾動軸承故障診斷[J];振動與沖擊;2011年12期

9 唐貴基;王曉龍;鄧飛躍;;改進增強峭度圖和增強包絡譜在滾動軸承故障診斷上的應用[J];振動與沖擊;2014年13期

10 劉志川;唐力偉;曹立軍;;基于Kalman濾波和譜峭度的滾動軸承故障診斷[J];軸承;2014年08期

相關會議論文 前3條

1 徐新韜;王華慶;楊曉;李嶺陽;;基于STFT的譜峭度法在軸承故障診斷中的應用[A];第11屆全國轉子動力學學術討論會（ROTDYN2014）論文集（上冊）[C];2014年

2 李軍;張永祥;姚曉山;;峭度自適應學習步長盲提取算法提取軸承沖擊信號[A];第八屆全國設備與維修工程學術會議、第十三屆全國設備監(jiān)測與診斷學術會議論文集[C];2008年

3 李富才;孟光;胥永剛;;基于多尺度峭度指標的損傷識別研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

相關博士學位論文 前2條

1 彭暢;旋轉機械軸承振動信號分析方法研究[D];重慶大學;2014年

2 李永波;滾動軸承故障特征提取與早期診斷方法研究[D];哈爾濱工業(yè)大學;2017年

相關碩士學位論文 前5條

1 徐新韜;基于譜峭度與高階累積量的旋轉機械故障診斷方法研究[D];北京化工大學;2016年

2 任遠杰;基于改進譜峭度的滾動軸承早期故障診斷研究[D];大連理工大學;2016年

3 王少君;基于EEMD的滾動軸承微弱故障特征提取方法研究[D];石家莊鐵道大學;2016年

4 夏遵平;結構運行狀態(tài)下諧波模態(tài)的檢測和去除技術研究及實現(xiàn)[D];南京航空航天大學;2012年

5 馬艷麗;基于全矢MEMD的滾動軸承狀態(tài)退化研究[D];鄭州大學;2017年

，

本文編號：2232975