基于VMD的自适应形态学在轴承故障诊断中的应用

发布时间：2017-08-11 10:27

  本文关键词：基于VMD的自适应形态学在轴承故障诊断中的应用

  更多相关文章： 轴承 变分模态分解 数学形态学 粒子群算法 互信息法

【摘要】：为有效提取滚动轴承信号的特征频率,提出了基于变分模态分解(VMD)的自适应形态学的特征提取方法。首先利用VMD将目标信号分解为有限个模态信号,依据互信息法提取与原始信号相关的模态信号,将其进行求和重构;然后利用形态学对重构信号进行降噪处理,提取出滚动轴承的特征频率。针对形态学固有统计偏移和结构元素的选择问题,利用粒子群算法来优化改进的广义形态学滤波器,实现自适应滤波。通过数字仿真实验与滚动轴承故障试验分析,将其与基于经验模式分解(EMD)的自适应形态学、包络解调方法进行比较,结果表明该方法可以有效提取故障信号的特征频率。
【作者单位】： 南京农业大学工学院;南京农业大学灌云现代农业装备研究院;南京创力传动机械有限公司;
【关键词】： 轴承 变分模态分解 数学形态学 粒子群算法 互信息法
【基金】：江苏省政策引导类计划前瞻性研究项目(BY2015071-02)
【分类号】：TH133.33
【正文快照】： 滚动轴承在旋转机械设备中承担关键角色,其健康状况影响着整个机械系统的工作状态,因此对轴承的监测与诊断具有十分重要的意义[1]。当轴承出现故障时,会产生周期性的脉冲信号,同时产生相应的调制信号,不同的故障对应不同的故障频率,如何有效地提取出故障特征频率,是进行轴承故，

本文编号：655614