本文關(guān)鍵詞：基于一種EEMD的能量算子解調(diào)機械故障診斷

  更多相關(guān)文章： 小波包熵值 EEMD 能量算子 調(diào)制解調(diào) 故障診斷

【摘要】：針對在強噪聲背景下軸承振動信號的非線性、非平穩(wěn)性以及信號出現(xiàn)的復(fù)雜調(diào)制現(xiàn)象,提出了一種基于小波包熵與EEMD(總體模態(tài)分解)相結(jié)合的能量算子解調(diào)故障診斷方法.根據(jù)信號的小波包熵值對信號小波包降噪,采用EEMD方法選取相關(guān)度最大的IMF(本征模態(tài)分量)以避免選取信號的盲目性,對該分量進(jìn)行能量算子解調(diào),實現(xiàn)提取該分量下的故障信號的幅值和頻率信息.對機械故障振動信號進(jìn)行實驗分析表明,相對于EMD分析存在的模態(tài)混疊現(xiàn)象以及普通Hilbert解調(diào)法的運算精度滿足不了診斷需求的情況,該方法能夠有效解調(diào)出故障頻率信息,以實現(xiàn)對故障類別的推斷.
【作者單位】： 內(nèi)蒙古科技大學(xué)機械工程學(xué)院;
【關(guān)鍵詞】： 小波包熵值 EEMD 能量算子 調(diào)制解調(diào) 故障診斷
【分類號】：TH17
【正文快照】： 大量的關(guān)鍵機械設(shè)備由于長期在重載、疲勞、腐蝕、高溫等復(fù)雜、惡劣的工況環(huán)境下運行,設(shè)備中的關(guān)鍵零部件不可避免的會發(fā)生不同程度的故障,并且故障特征往往被強背景噪聲所淹沒.而一旦故障積累到一定程度引起機械設(shè)備出現(xiàn)事故,將給國家和人民帶來巨大的經(jīng)濟(jì)損失和人員傷亡.因，

本文編號：638456