基于改进EEMD和谱峭度的滚动轴承故障诊断

发布时间：2018-09-09 16:39

【摘要】：针对滚动轴承早期故障振动信号受噪声影响、总体经验模态分解(EEMD)参数不易获取的问题,提出了基于改进EEMD和谱峭度的滚动轴承故障诊断方法。首先提取信号高频成分及设置期望分解误差确定EEMD参数,利用EEMD将信号分解为若干个本征模态分量(IMF),依据峭度准则选取相应分量进行重构以突出故障信息、提高信噪比;然后利用快速谱峭度图来选取带通滤波器的参数;最后对滤波信号进行能量算子解调分析。该方法应用到实测数据中的结果表明,其不仅能够自适应确定EEMD参数,降低了噪声的影响,还能清晰、准确地提取出故障特征频率,实现了滚动轴承故障的精确诊断。
[Abstract]:Aiming at the problem that the vibration signal of early fault of rolling bearing is affected by noise and the (EEMD) parameters of total empirical mode decomposition are difficult to obtain, a fault diagnosis method of rolling bearing based on improved EEMD and spectral kurtosis is proposed. Firstly, the high frequency components of the signal are extracted and the expected decomposition error is set to determine the EEMD parameters. The signal is decomposed into several intrinsic modal components by EEMD. The corresponding components are selected according to the kurtosis criterion to reconstruct the signal to highlight the fault information and to improve the signal-to-noise ratio (SNR). Then the parameters of the band-pass filter are selected by using the fast spectral kurtosis graph and the energy operator demodulation analysis of the filtered signal is carried out. The application of this method to the measured data shows that the method can not only adaptively determine the EEMD parameters, reduce the influence of noise, but also extract the fault characteristic frequency clearly and accurately, and realize the accurate diagnosis of rolling bearing fault.
【作者单位】： 石家庄铁道大学电气与电子工程学院;
【基金】：国家自然科学基金项目(11372199,51405313,11572206) 河北省自然科学基金项目(A2014210142)
【分类号】：TH133.33

【相似文献】

相关期刊论文 前10条

1 蔡改改;刘海洋;黄伟国;朱忠奎;;自适应谱峭度滤波方法及其振动信号检测应用[J];振动.测试与诊断;2014年02期

2 郑威;樊可清;;基于谱峭度的不确定性振源监测方法[J];噪声与振动控制;2007年05期

3 武兵;贾峰;熊晓燕;;基于最大相关峭度反褶积的轴承故障诊断方法[J];振动.测试与诊断;2014年03期

4 张睿凡;孔凡让;;基于谱峭度法的滚动轴承故障诊断研究[J];现代制造工程;2012年06期

5 沈金伟;石林锁;;滚动轴承故障诊断的改进小波变换谱峭度法[J];轴承;2010年08期

6 石林锁;张亚洲;米文鹏;;基于WVD的谱峭度法在轴承故障诊断中的应用[J];振动.测试与诊断;2011年01期

7 毋文峰;陈小虎;苏勋家;王旭平;姚春江;;基于峭度的ICA特征提取和齿轮泵故障诊断[J];机械科学与技术;2011年09期

8 石林锁;沈金伟;张亚洲;牛武泽;;基于AR模型和谱峭度法的滚动轴承故障诊断[J];振动与冲击;2011年12期

9 唐贵基;王晓龙;邓飞跃;;改进增强峭度图和增强包络谱在滚动轴承故障诊断上的应用[J];振动与冲击;2014年13期

10 刘志川;唐力伟;曹立军;;基于Kalman滤波和谱峭度的滚动轴承故障诊断[J];轴承;2014年08期

相关会议论文 前3条

1 徐新韬;王华庆;杨晓;李岭阳;;基于STFT的谱峭度法在轴承故障诊断中的应用[A];第11届全国转子动力学学术讨论会（ROTDYN2014）论文集（上册）[C];2014年

2 李军;张永祥;姚晓山;;峭度自适应学习步长盲提取算法提取轴承冲击信号[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年

3 李富才;孟光;胥永刚;;基于多尺度峭度指标的损伤识别研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

相关博士学位论文 前2条

1 彭畅;旋转机械轴承振动信号分析方法研究[D];重庆大学;2014年

2 李永波;滚动轴承故障特征提取与早期诊断方法研究[D];哈尔滨工业大学;2017年

相关硕士学位论文 前5条

1 徐新韬;基于谱峭度与高阶累积量的旋转机械故障诊断方法研究[D];北京化工大学;2016年

2 任远杰;基于改进谱峭度的滚动轴承早期故障诊断研究[D];大连理工大学;2016年

3 王少君;基于EEMD的滚动轴承微弱故障特征提取方法研究[D];石家庄铁道大学;2016年

4 夏遵平;结构运行状态下谐波模态的检测和去除技术研究及实现[D];南京航空航天大学;2012年

5 马艳丽;基于全矢MEMD的滚动轴承状态退化研究[D];郑州大学;2017年

，

本文编号：2232975