应用EMD和双谱分析的故障特征提取方法

发布时间：2018-01-12 10:30

本文关键词：应用EMD和双谱分析的故障特征提取方法　出处：《振动.测试与诊断》2017年02期 　论文类型：期刊论文

【摘要】：针对传统双谱分析从理论上仅能抑制高斯噪声,但对非高斯噪声无能为力的不足,提出了一种利用经验模式分解(empirical mode decomposition,简称EMD)和双谱分析的故障特征提取方法,并应用于滚动轴承故障诊断中。首先,对信号进行EMD分解;其次,利用能量相关法去除EMD分解过程中出现的伪本征模态分量(intrinsic mode function,简称IMF);最后,对得到的真实IMF进行双谱分析提取故障特征。仿真和实验结果表明,所提出的方法优于功率谱分析和传统双谱分析,能够更有效地提取强噪声背景下的机械故障特征信息,为滚动轴承的故障特征提取提供了一种新的方法。
[Abstract]:In view of the traditional bispectral analysis, it can only suppress Gaussian noise theoretically, but it can not do anything about non-Gaussian noise. A fault feature extraction method based on empirical mode decomposition (EMD) and bispectral analysis is proposed. It is applied to the fault diagnosis of rolling bearing. Firstly, the signal is decomposed by EMD. Secondly, the energy correlation method is used to remove the intrinsic mode function of the pseudo-intrinsic mode component in the process of EMD decomposition. Finally, the true IMF is extracted by bispectral analysis. Simulation and experimental results show that the proposed method is superior to power spectrum analysis and traditional bispectrum analysis. It provides a new method for fault feature extraction of rolling bearings.
【作者单位】：浙江师范大学精密机械研究所;
【基金】：国家自然科学基金资助项目(51405449,51575497) 浙江省公益技术应用研究计划项目资助项目(2016C31067)
【分类号】：TH133.33
【正文快照】： 引言滚动轴承是旋转机械中应用最为广泛的机械零件,也是最容易损坏的元件之一[1]。在旋转机械振动信号中,大量的信号是非平稳和非高斯分布的信号,尤其是在发生故障时更是如此[2]。然而,传统的功率谱分析以及时频分析不能反应频率成分间的相位信息,通常也就无法处理非最小相位

【相似文献】