基于Teager能量算子和EEMD的滚动轴承故障诊断方法

发布时间：2017-12-30 03:02

  本文关键词：基于Teager能量算子和EEMD的滚动轴承故障诊断方法　出处：《北京工业大学学报》2017年06期 　论文类型：期刊论文

  更多相关文章： 滚动轴承 集成经验模态分解 最小熵反褶积 小波阈值 Teager能量算子

【摘要】：针对应用集合经验模态分解(ensemble empirical mode decomposition,EEMD)方法难以提取强噪声背景下滚动轴承微弱故障特征的问题,提出了将最小熵反褶积(minimum entropy deconvolution,MED)和小波阈值去噪与EEMD相结合的改进方法.先采用MED对滚动轴承振动信号降噪,增强冲击特征;然后利用基于EEMD的小波阈值去噪方法处理降噪后信号得到一组固有模态分量(intrinsic mode function,IMF),并依据相关系数准则剔除虚假分量;对重构后信号进行Teager能量算子解调分析,提取其微弱故障特征.通过仿真信号和实验台信号验证了该改进方法的有效性.
[Abstract]:......
【作者单位】： 海军工程大学兵器工程系;北京工业大学信息学部;中国人民解放军92060部队;
【基金】：国家自然科学基金资助项目(61573364)
【分类号】：TH133.33
【正文快照】： 3.中国人民解放军92060部队,辽宁旅顺116041)经验模态分解(empirical mode decomposition,EMD)是一种适用于分析与处理非线性、非平稳信号序列的方法,将复杂信号自适应分解为一组固有模态分量(intrinsic mode function,IMF)分量,各IMF能表征原信号不同时间尺度的局部特征.但EM

【相似文献】

相关期刊论文 前1条

1 张玉山;张海涛;;利用Teager能量算子监测齿轮箱状态的研究[J];廊坊师范学院学报(自然科学版);2013年03期

，

本文编号：1353017