本文關(guān)鍵詞：基于奇異值分解和變分模態(tài)分解的軸承故障特征提取　出處：《振動與沖擊》2016年22期 　論文類型：期刊論文

  更多相關(guān)文章： 變分模態(tài)分解 奇異值分解 滾動軸承 故障特征提取

【摘要】：為了有效提取軸承故障,提出了基于變分模態(tài)分解和奇異值分解降噪的故障特征提取方法。通過對故障信號進行變分模態(tài)分解,獲得其本征模態(tài)函數(shù)�；谇投戎笜�,選擇包含故障信息的本征模態(tài)函數(shù)進行信號重構(gòu)。利用奇異值分解降噪技術(shù)對重構(gòu)信號進行處理,提高信噪比。最后對降噪信號進行包絡解調(diào)提取故障特征頻率。與常見的故障特征提取方法相比,該方法能有效辨別滾動軸承的典型故障,突出故障特征,提高滾動軸承的故障診斷效果。
[Abstract]:In order to extract bearing fault effectively, a method of fault feature extraction based on variational mode decomposition (VMD) and singular value decomposition (SVD) is proposed. The fault signal is decomposed by variational mode decomposition (VMD). Based on the kurtosis index, the intrinsic mode function containing fault information is selected to reconstruct the signal. The singular value decomposition (SVD) denoising technique is used to process the reconstructed signal. Finally, the signal to noise reduction signal is demodulated by envelope demodulation to extract the fault feature frequency. Compared with the common fault feature extraction method, this method can effectively distinguish the typical fault of rolling bearing and highlight the fault characteristics. Improve the fault diagnosis effect of rolling bearing.
【作者單位】： 華北電力大學(保定)電氣與電子工程學院;
【基金】：國家自然科學基金項目(51277074)
【分類號】：TH133.3
【正文快照】： 軸承是機械傳動系統(tǒng)的核心部件[1],在功率傳遞的過程中發(fā)揮著至關(guān)重要的作用,如新能源風力發(fā)電機主軸承、齒輪箱的各級軸承等。一旦軸承發(fā)生故障,傳動系統(tǒng)的正常運行會受到極大影響。在軸承的故障中,元件表面損傷最為常見。軸承元件發(fā)生表面損傷后,會和與之配合的元件表面發(fā)生

【相似文獻】

相關(guān)期刊論文 前10條

1 陳岳東，屈梁生;回轉(zhuǎn)機械的故障特征提取與分類[J];機械工程學報;1994年S1期

2 高正明;何彬;趙娟;裴永泉;左廣霞;;常用故障特征提取方法[J];機床與液壓;2009年12期

3 李兆飛;柴毅;李華鋒;;多重分形的振動信號故障特征提取方法[J];數(shù)據(jù)采集與處理;2013年01期

4 韓立靜;徐金梧;陽建宏;黎敏;;基于灰度擊中擊不中變換的故障特征提取方法[J];北京科技大學學報;2012年07期

5 李輝,宋智勇,孫豐瑞;基于小波包-包絡分析的故障特征提取方法[J];振動、測試與診斷;2003年04期

6 李學軍;廖傳軍;褚福磊;;適于聲發(fā)射信號故障特征提取的小波函數(shù)[J];機械工程學報;2008年03期

7 梅檢民;肖云魁;賈繼德;趙慧敏;陳祥龍;喬龍;;基于改進階比的變速器微弱故障特征提取[J];振動工程學報;2012年03期

8 任立通;胡金海;謝壽生;王磊;苗卓廣;;基于隨機共振預處理的振動故障特征提取研究[J];振動與沖擊;2014年02期

9 陳長征,羅躍綱,張省,虞和濟;基于小波分析的機械故障特征提取研究[J];機械強度;2001年01期

10 郝志華;馬孝江;;高階非線性時頻表示在故障特征提取中的應用[J];農(nóng)業(yè)機械學報;2006年02期

相關(guān)會議論文 前3條

1 趙志宏;楊紹普;;一種基于ICA的機械故障特征提取方法[A];機械動力學理論及其應用[C];2011年

2 潘宏俠;黃晉英;毛鴻偉;劉振旺;;基于粒子群優(yōu)化的故障特征提取技術(shù)研究[A];第九屆全國振動理論及應用學術(shù)會議論文摘要集[C];2007年

3 朱啟兵;楊慧中;;基于卷積型小波包奇異值分解的齒輪故障特征提取[A];第二十七屆中國控制會議論文集[C];2008年

相關(guān)博士學位論文 前10條

1 蔣超;基于EEMD與MED的沖擊信號自適應故障特征提取方法[D];上海大學;2016年

2 程發(fā)斌;面向機械故障特征提取的混合時頻分析方法研究[D];重慶大學;2007年

3 馮坤;基于內(nèi)積變換的機械故障特征提取原理與早期識別方法研究[D];北京化工大學;2012年

4 李加慶;基于聲全息的故障特征提取技術(shù)研究[D];上海交通大學;2008年

5 趙玲;旋轉(zhuǎn)機械系統(tǒng)故障特征提取中的分形方法研究[D];重慶大學;2010年

6 陳建國;基于獨立分量分析的機械故障特征提取及分類方法研究[D];大連理工大學;2011年

7 李兆飛;振動故障分形特征提取及診斷方法研究[D];重慶大學;2013年

8 鞠萍華;旋轉(zhuǎn)機械早期故障特征提取的時頻分析方法研究[D];重慶大學;2010年

9 趙志宏;基于振動信號的機械故障特征提取與診斷研究[D];北京交通大學;2012年

10 趙鵬;離心泵振動故障診斷方法研究及系統(tǒng)實現(xiàn)[D];華北電力大學（北京）;2011年

相關(guān)碩士學位論文 前10條

1 薄瑞瑞;基于LMD的振動信號處理及故障特征提取研究[D];內(nèi)蒙古大學;2015年

2 凡非龍;旋轉(zhuǎn)機械故障診斷與現(xiàn)場動平衡系統(tǒng)研發(fā)[D];浙江大學;2015年

3 屈紅偉;基于LMD的故障特征提取方法及動平衡技術(shù)研究[D];北京化工大學;2015年

4 李嶺陽;基于非線性分析的故障特征提取及識別方法研究[D];北京化工大學;2016年

5 沈金理;機械裝備連接松動故障特征提取方法的研究[D];東華大學;2013年

6 李敏;基于譜融合的管道故障特征提取方法研究[D];北京化工大學;2011年

7 易雄;基于小波分析的機械故障特征提取與診斷技術(shù)研究[D];浙江工業(yè)大學;2009年

8 鐘曉平;氣象衛(wèi)星運動部件故障特征提取及振動特性研究[D];上海交通大學;2009年

9 宋震;柴油機典型故障特征提取與診斷研究[D];天津大學;2013年

10 王澤棟;鉆井泵閥的故障特征提取與基于GSM的遠程故障報警儀[D];北京化工大學;2008年

，

本文編號：1433893