本文關鍵詞：基于MED和EEMD的滾動軸承故障診斷方法，由筆耕文化傳播整理發(fā)布。

【摘要】：針對滾動軸承早期微弱故障特征難以提取的問題,提出將最小熵反褶積(MED)和集成經驗模態(tài)分解(EEMD)方法相結合用于提取軸承微弱故障特征的方法。首先,采用MED對滾動軸承振動信號降噪,以增強沖擊特征;然后,利用EEMD分解降噪后信號得到一組固有模態(tài)分量(IMF),依據相關系數(shù)和峭度準則,選擇敏感的IMF分量重構信號,并采用希爾伯特包絡解調提取故障特征;最后,通過仿真信號和實驗臺信號驗證了該方法的有效性。
【作者單位】： 海軍工程大學兵器工程系;
【關鍵詞】： 軸承 最小熵反褶積 集成經驗模態(tài)分解 相關系數(shù) 峭度
【分類號】：TH133.33
【正文快照】： 滾動軸承作為旋轉機械設備組成的重要部件,受運轉時間及環(huán)境的影響,其內圈、外圈和滾動體會出現(xiàn)點蝕、裂紋等磨損現(xiàn)象,一些局部損傷點與其接觸的元件在軸承旋轉作用下,會產生周期性沖擊信號。由于背景噪聲的影響,準確提取振動信號中的微弱沖擊特征是旋轉機械故障診斷研究的關

【相似文獻】

中國期刊全文數(shù)據庫 前1條

1 王昶峰;;基于最小熵反褶積的管道導波信號處理[J];黑龍江科技信息;2013年22期

  本文關鍵詞：基于MED和EEMD的滾動軸承故障診斷方法，，由筆耕文化傳播整理發(fā)布。

本文編號：489662