本文關(guān)鍵詞：變分模態(tài)分解在軸承故障診斷中的應(yīng)用

  更多相關(guān)文章： 滾動(dòng)軸承 故障診斷 變分模態(tài)分解 譜峭度 模態(tài)混疊 偽分量

【摘要】：通過構(gòu)造仿真信號(hào),對(duì)比分析了VMD與EMD算法在分解過程中存在的模態(tài)混疊、偽分量、端點(diǎn)效應(yīng)等問題,并將VMD算法與譜峭度相結(jié)合用于滾動(dòng)軸承故障信號(hào)的分解與重構(gòu),通過包絡(luò)譜分析進(jìn)行故障判別,結(jié)果表明:VMD算法能實(shí)現(xiàn)信號(hào)頻域內(nèi)各分量的自適應(yīng)剖分,在分解性能上優(yōu)于EMD算法,能更好地刻畫故障信號(hào)的包絡(luò)譜特征。
【作者單位】： 第二炮兵工程學(xué)院;
【關(guān)鍵詞】： 滾動(dòng)軸承 故障診斷 變分模態(tài)分解 譜峭度 模態(tài)混疊 偽分量
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(51405498) 陜西省自然科學(xué)基金項(xiàng)目(2013JQ8023)
【分類號(hào)】：TH133.3
【正文快照】： 軸承振動(dòng)信號(hào)具有非線性、非平穩(wěn)的特性,傳統(tǒng)的信號(hào)分析方法難以處理,經(jīng)驗(yàn)?zāi)B(tài)分解(Em-pirical Mode Decomposition,EMD)[1-5]能夠較好地處理此類信號(hào),但也存在端點(diǎn)效應(yīng)、包絡(luò)擬合及模態(tài)混疊等問題[6-9],仍需進(jìn)一步優(yōu)化。變分模態(tài)分解(Variational Mode Decomposi-tion,VMD)[1

【相似文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 王振威;基于變分模態(tài)分解的故障診斷方法研究[D];燕山大學(xué);2015年

，

本文編號(hào)：943617