基于变分模态分解改进方法的滚动轴承故障特征提取

发布时间：2017-12-16 23:20

  本文关键词：基于变分模态分解改进方法的滚动轴承故障特征提取

  更多相关文章： 多相关 变分模态分解 滚动轴承 谱峭度

【摘要】：针对滚动轴承早期故障振动信号信噪比低、故障特征提取困难的问题,提出了基于多相关-变分模态分解(MC-VMD)的滚动轴承故障诊断方法。首先对多加速度传感器采集到的信号进行多相关处理以突出故障信号特征;然后通过VMD自适应地将信号分解成多个本征模态分量(IMFs),运用谱峭度法和包络解调对相关峭度较大的分量进行分析;最后通过包络谱识别出滚动轴承的工作状态和故障类型。将该方法应用到滚动轴承故障实例数据中,实验结果表明,该方法可有效提取滚动轴承故障特征频率信息。
【作者单位】： 河北经贸大学计算机中心;河北经贸大学旅游学院;
【基金】：国家自然科学基金项目(51104052)
【分类号】：TH133.33
【正文快照】： 滚动轴承是各种旋转机械中应用最广泛的零部件之一,同时也极易发生损坏。许多重大故障都是由于滚动轴承损坏而产生的,滚动轴承使用寿命直接影响到机械设备运行稳定性和安全性,因此对滚动轴承早期微弱故障的分析与诊断具有重要的科学意义和应用价值。在90年代末,Wu和Huang[1]提

【参考文献】

中国期刊全文数据库 前8条

1 武哲;杨绍普;刘永强;;基于多元经验模态分解的旋转机械早期故障诊断方法[J];仪器仪表学报;2016年02期

2 武英杰;甄成刚;刘长良;;变分模态分解在风电机组故障诊断中的应用[J];机械传动;2015年10期

3 刘长良;武英杰;甄成刚;;基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J];中国电机工程学报;2015年13期

4 唐贵基;王晓龙;;参数优化变分模态分解方法在滚动轴承早期故障诊断中的应用[J];西安交通大学学报;2015年05期

5 朱文龙;周建中;肖剑;肖汉;李超顺;;独立分量分析 经验模态分解特征提取在水电机组振动信号中的应用[J];中国电机工程学报;2013年29期

6 张志刚;石晓辉;施全;汤宝平;;基于改进EMD和谱峭度法滚动轴承故障特征提取[J];振动.测试与诊断;2013年03期

7 周智;朱永生;张优云;朱川峰;王鹏;;基于EEMD和共振解调的滚动轴承自适应故障诊断[J];振动与冲击;2013年02期

8 廖庆斌;李舜酩;辛江慧;;时序多相关-经验模式分解方法及其对车辆振动信号的分析[J];南京航空航天大学学报;2007年04期

【共引文献】

中国期刊全文数据库 前10条

1 王秀芳;檀丽丽;高丙坤;姜建国;葛延良;;变分模态分解和相关系数联合算法在管道泄漏检测中的应用[J];压力容器;2016年12期

2 周柏彤;刘增力;朱健晨;;关于多种模态分解方法的分离效果的差别探讨[J];信息技术;2016年12期

3 蒋丽英;高爽;崔建国;于明月;卢晓东;王景霖;;基于VMD和平均能量的齿轮故障特征提取[J];沈阳航空航天大学学报;2016年06期

4 王建国;王戈;王少锋;高琳;仲济祥;;基于一种EEMD的能量算子解调机械故障诊断[J];兰州理工大学学报;2016年06期

5 万书亭;詹长庚;豆龙江;;滚动轴承故障特征提取的EMD-频谱自相关方法[J];振动.测试与诊断;2016年06期

6 刘尚坤;唐贵基;王晓龙;;基于改进变分模态分解的旋转机械故障时频分析方法[J];振动工程学报;2016年06期

7 周士帅;窦东阳;薛斌;;基于LMD和MED的滚动轴承故障特征提取方法[J];农业工程学报;2016年23期

8 吴广河;丁建明;林建辉;赵秋园;;轴承故障检测的EEMD-RA-KU方法研究[J];机械强度;2016年06期

9 岳应娟;孙钢;蔡艳平;;基于变分模态分解近似熵和支持向量机的轴承故障诊断方法[J];轴承;2016年12期

10 李巧艺;单奇;陈跃威;;基于HHT边际谱熵-马氏距离的滚动轴承故障诊断[J];燕山大学学报;2016年06期

【二级参考文献】

中国期刊全文数据库 前10条

1 武英杰;刘长良;范德功;;基于自适应高频谐波LMD法的风电机组故障诊断[J];动力工程学报;2014年12期

2 郭谋发;徐丽兰;缪希仁;陈立纯;;采用时频矩阵奇异值分解的配电开关振动信号特征量提取方法[J];中国电机工程学报;2014年28期

3 康守强;王玉静;姜义成;杨广学;宋立新;V.I.MIKULOVICH;;基于超球球心间距多类支持向量机的滚动轴承故障分类[J];中国电机工程学报;2014年14期

4 姚亚夫;张星;;基于瞬时能量熵和SVM的滚动轴承故障诊断[J];电子测量与仪器学报;2013年10期

5 鲍永胜;;局部放电脉冲波形特征提取及分类技术[J];中国电机工程学报;2013年28期

6 王玉静;姜义成;康守强;杨广学;陈艳娜;;基于优化集合EMD的滚动轴承故障位置及性能退化程度诊断方法[J];仪器仪表学报;2013年08期

7 吴志成;王重阳;任爱君;;消除信号趋势项时小波基优选方法研究[J];北京理工大学学报;2013年08期

8 张淑清;翟欣沛;董璇;李亮;唐佰文;;EMD及Duffing振子在小电流系统故障选线方法中的应用[J];中国电机工程学报;2013年10期

9 张淑清;孙国秀;李亮;李新新;监雄;;基于LMD近似熵和FCM聚类的机械故障诊断研究[J];仪器仪表学报;2013年03期

10 朱宁辉;白晓民;董伟杰;;基于EEMD的谐波检测方法[J];中国电机工程学报;2013年07期

【相似文献】

中国期刊全文数据库 前10条

1 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

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 李崇晟;滚动轴承故障的非线性诊断方法[J];轴承;2005年05期

10 赵春华;严新平;赵新泽;袁成清;高虹亮;;滚动轴承故障的可拓物元诊断方法[J];润滑与密封;2006年04期

中国重要会议论文全文数据库 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 刘玉林;;货车滚动轴承故障不分解诊断技术参数选择与优化探讨[A];扩大铁路对外开放、确保重点物资运输——中国科协2005年学术年会铁道分会场暨中国铁道学会学术年会和粤海通道运营管理学术研讨会论文集[C];2005年

3 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

4 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

5 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

6 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

7 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

8 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

9 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

10 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

中国博士学位论文全文数据库 前10条

1 郝腾飞;航空发动机滚动轴承故障的核方法智能识别技术研究[D];南京航空航天大学;2014年

2 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

3 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

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 孟涛;齿轮与滚动轴承故障的振动分析与诊断[D];西北工业大学;2003年

中国硕士学位论文全文数据库 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 冯春生;基于多源不确定信息融合的数控机床滚动轴承故障诊断方法与实验研究[D];青岛理工大学;2015年

6 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

7 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

8 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

9 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

10 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

，

本文编号：1297864