本文關鍵詞：變分模態(tài)分解在軸承故障診斷中的應用

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

【摘要】：通過構造仿真信號,對比分析了VMD與EMD算法在分解過程中存在的模態(tài)混疊、偽分量、端點效應等問題,并將VMD算法與譜峭度相結合用于滾動軸承故障信號的分解與重構,通過包絡譜分析進行故障判別,結果表明:VMD算法能實現信號頻域內各分量的自適應剖分,在分解性能上優(yōu)于EMD算法,能更好地刻畫故障信號的包絡譜特征。
【作者單位】： 第二炮兵工程學院;
【關鍵詞】： 滾動軸承 故障診斷 變分模態(tài)分解 譜峭度 模態(tài)混疊 偽分量
【基金】：國家自然科學基金項目(51405498) 陜西省自然科學基金項目(2013JQ8023)
【分類號】：TH133.3
【正文快照】： 軸承振動信號具有非線性、非平穩(wěn)的特性,傳統(tǒng)的信號分析方法難以處理,經驗模態(tài)分解(Em-pirical Mode Decomposition,EMD)[1-5]能夠較好地處理此類信號,但也存在端點效應、包絡擬合及模態(tài)混疊等問題[6-9],仍需進一步優(yōu)化。變分模態(tài)分解(Variational Mode Decomposi-tion,VMD)[1

【相似文獻】

中國碩士學位論文全文數據庫 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;2015年

，

本文編號：943617