基于时延自相关与变模态分解的故障诊断方法

发布时间：2018-07-02 12:52

本文选题：时延自相关 + 变模态分解　；参考：《兰州理工大学学报》2017年04期

【摘要】：在故障诊断领域,时延自相关已是一种重要的信号处理工具,而变模态分解则是新兴起的信号处理方法.文中利用时延自相关函数对信号进行降噪处理,再对提取的时延自相相关函数进行变模态分解,选择有效本征模态函数提取出故障频率.模拟仿真与故障实验结果表明:该方法更能有效地抑制噪声,凸显故障特征信息,在旋转机械故障诊断领域具有广泛的应用前景.
[Abstract]:In the field of fault diagnosis, time-delay autocorrelation is an important signal processing tool, and variable mode decomposition is a new signal processing method. In this paper, the time-delay autocorrelation function is used to reduce the noise of the signal, and then the time-delay autocorrelation function is decomposed by variable mode decomposition, and the effective eigenmode function is selected to extract the fault frequency. The simulation and fault experiment results show that the proposed method is more effective in suppressing noise and highlighting fault feature information. It has a wide application prospect in the field of rotating machinery fault diagnosis.
【作者单位】：四川工程职业技术学院机电工程系;石家庄铁道大学机械工程学院;
【基金】：国家自然科学基金(11372198) 河北省高等学校创新团队领军人才计划(LJRC018)
【分类号】：TH17

【相似文献】