基于EEMD和自相关阈值降噪的滚动轴承故障诊断

论文摘要

为减少噪声对滚动轴承故障特征提取的影响,文章提出了一种基于集合经验模态分解(EEMD)和自相关阈值降噪相结合的滚动轴承故障诊断方法。首先对原始信号进行EEMD分解,然后将得到的各阶IMF分量分别进行自相关阈值降噪,最后重组降噪后的各阶IMF分量并通过包络分析提取故障频率特征进行故障诊断。通过仿真信号和实验数据验证表明,文章所提出的方法能够有效提取各阶IMF分量中的有用信号,有效解决了基于IMF系数选择方法的问题,证明文中提出的方法具有良好的可行性和有效性。

论文目录

• 0 引言
• 1 EEMD方法
• 2 自相关阈值降噪方法
•   2.1 自相关阈值降噪原理
•   2.2 仿真信号验证
• 3 EEMD和自相关阈值降噪故障诊断框架
• 4 实验结果分析
•   4.1 实验数据描述
•   4.2 内圈故障分析
•   4.3 外圈故障分析
• 5 结论

文章来源

类型: 期刊论文

作者: 黄艳庭,谷玉海,黄竞楠,饶文军

关键词: 集合经验模式分解,自相关阈值,滚动轴承,降噪,故障诊断

来源: 组合机床与自动化加工技术 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 机械工业

单位: 北京信息科技大学现代测控技术教育部重点实验室

基金: 国家自然科学基金(51575055)

分类号: TH133.33

DOI: 10.13462/j.cnki.mmtamt.2019.10.020

页码: 78-82

总页数: 5

文件大小: 1987K

下载量: 220