基于全矢NA-MEMD的滚动轴承故障诊断方法

发布时间：2018-05-13 16:03

  本文选题：噪声辅助的多维经验模式分解 + 全矢谱　； 参考：《机床与液压》2017年19期

【摘要】：针对EMD分解多通道信号得到的IMF分量在数量和频率成分出现的不匹配现象和单通道分析方法存在信息利用不充分的问题,提出了一种基于噪声辅助多维经验模式分解(NA-MEMD)与全矢谱结合的滚动轴承故障诊断方法——全矢NA-MEMD。利用NA-MEMD对同源双通道信号和噪声辅助信号构成的多通道信息自适应分解成一系列IMF分量;根据相关系数从同源双通道中选取包含故障主要信息的IMF分量进行重构;将重构信号进行全矢信息融合来提取故障特征。通过仿真信号和实验信号分析验证该方法的有效性。
[Abstract]:In view of the mismatch of IMF component in quantity and frequency component obtained by EMD decomposing multi-channel signal and the problem that the single channel analysis method does not make full use of information, A fault diagnosis method for rolling bearing based on noise-assisted multidimensional empirical mode decomposition (NA-MEMD) and full-vector spectrum is proposed. A series of IMF components are adaptively decomposed into a series of IMF components by NA-MEMD, and the IMF components containing the main fault information are selected from the homologous dual channels according to the correlation coefficient. The reconstructed signal is fused with full vector information to extract fault features. The effectiveness of the method is verified by simulation and experimental signal analysis.
【作者单位】： 郑州大学振动工程研究所;
【基金】：国家自然科学基金资助项目(51405453)
【分类号】：TH133.31

【相似文献】

相关期刊论文 前10条

1 王延松，李树才，，蒋钰洁;滚动轴承故障的快速诊断[J];林业机械与木工设备;1996年03期

2 张益纯,刘振娟;滚动轴承故障分析探讨[J];内燃机配件;2000年03期

3 秦恺,陈进,姜鸣,陈春梅;一种滚动轴承故障特征提取的新方法——谱相关密度[J];振动与冲击;2001年01期

4 邓长春;;声发射法在滚动轴承故障识别中的应用[J];试验技术与试验机;2002年Z2期

5 任昭蓉;滚动轴承故障的小波诊断法[J];机械制造与自动化;2004年06期

6 陆爽,田野;滚动轴承故障特征识别的时频分析研究[J];机床与液压;2005年06期

7 江涌;基于余弦调频小波变换的滚动轴承故障研究[J];机械设计与制造;2005年06期

8 程光友;;时域指标在滚动轴承故障诊断中的应用[J];中国设备工程;2005年12期

9 陈洪军;赵新泽;王延军;;滚动轴承故障试验台的理论建模分析[J];四川理工学院学报(自然科学版);2005年04期

10 李崇晟;滚动轴承故障的非线性诊断方法[J];轴承;2005年05期

相关会议论文 前10条

1 张益纯;;常见滚动轴承故障诊断的技术探讨[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年

2 杨积忠;左立建;;滚动轴承故障诊断实例[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

3 何斌;戚佳杰;;小波分析在滚动轴承故障诊断中的应用研究[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

4 李放宁;;峰值能量在滚动轴承故障诊断中的应用[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年

5 何斌;戚佳杰;;小波分析在滚动轴承故障诊断中的应用研究[A];第九届全国振动理论及应用学术会议论文集[C];2007年

6 张九军;;常见滚动轴承故障的简易诊断[A];2008年全国炼铁生产技术会议暨炼铁年会文集（上册）[C];2008年

7 李兴林;;滚动轴承故障诊断技术现状及发展[A];2009年全国青年摩擦学学术会议论文集[C];2009年

8 唐海峰;陈进;董广明;;信号稀疏分解方法在滚动轴承故障诊断中的应用[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

9 高耀智;;高阶统计量与小波分析相结合在滚动轴承故障诊断中的应用[A];2009年全国青年摩擦学学术会议论文集[C];2009年

10 和卫星;陈晓平;马东玲;;基于混沌时间序列的滚动轴承故障局部预测[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

相关博士学位论文 前10条

1 廖强;约束独立分量和多小波分析在滚动轴承故障诊断中的应用[D];电子科技大学;2016年

2 曾鸣;基于凸包的模式识别方法及其在滚动轴承故障诊断中的应用[D];湖南大学;2016年

3 王聪;基于稀疏表达的机械信号处理方法及其在滚动轴承故障诊新中的应用研究[D];中国科学技术大学;2017年

4 于江林;滚动轴承故障的非接触声学检测信号特性及重构技术研究[D];大庆石油学院;2009年

5 杨柳松;基于小波分析与神经网络滚动轴承故障诊断方法的研究[D];东北林业大学;2013年

6 从飞云;基于滑移向量序列奇异值分解的滚动轴承故障诊断研究[D];上海交通大学;2012年

7 赵协广;基于小波变换和经验模态分解的滚动轴承故障诊断方法研究[D];山东科技大学;2009年

8 侯者非;强噪声背景下滚动轴承故障诊断的关键技术研究[D];武汉理工大学;2010年

9 郭艳平;面向风力发电机组齿轮箱滚动轴承故障诊断的理论与方法研究[D];浙江大学;2012年

10 Ao Hung Linh（池雄岭）;基于化学反应优化算法和支持向量机的滚动轴承故障诊断方法研究[D];湖南大学;2014年

相关硕士学位论文 前10条

1 李男;基于LMD样本熵和贝叶斯网络的滚动轴承故障诊断方法[D];燕山大学;2015年

2 李玉奎;基于非平稳信号分析的滚动轴承故障诊断研究[D];燕山大学;2015年

3 卜勇霞;基于时频分析方法的滚动轴承故障诊断研究[D];昆明理工大学;2015年

4 马宝;基于KICA和LSSVM的滚动轴承故障监测及诊断方法[D];昆明理工大学;2015年

5 王天一;基于正交小波优化阈值降噪方法的滚动轴承故障诊断研究[D];哈尔滨工业大学;2015年

6 宋耀文;基于振动信号分析的滚动轴承故障特征提取与诊断研究[D];中国矿业大学;2015年

7 韩一村;基于多传感器的滚动轴承故障检测研究[D];河南科技大学;2015年

8 王秀娟;基于LMD的谱峭度算法在滚动轴承故障诊断中的应用研究[D];电子科技大学;2014年

9 段永强;局部均值分解法在滚动轴承故障自动诊断中的应用研究[D];电子科技大学;2015年

10 黄宏臣;基于流形学习算法的滚动轴承故障识别研究[D];太原理工大学;2014年

本文编号：1883873