基于解相关CEEMD的滚动轴承特征信号提取算法研究

发布时间：2017-12-22 23:05

本文关键词：基于解相关CEEMD的滚动轴承特征信号提取算法研究　出处：《制造技术与机床》2016年11期 　论文类型：期刊论文

【摘要】：近年来随着时频分析方法希尔伯特黄变换的提出,经验模态分解(Empirical Mode Decomposition,EMD)已经在滚动轴承信号处理中得到了应用。但不管EMD还是其改进的互补总体平均经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD),到目前为止依然都存在着模态混叠现象。为了实现特征信号的精确提取,需要对分解后产生模态混叠的部分予以修正,从而保证各固有模态函数(Intrinsic Mode Function,IMF)分量之间互不耦合(即正交)。针对这一问题提出了解相关与CEEMD相结合的算法。该方法首先运用CEEMD自适应分解的能力对信号进行细节的提取,然后对分解后依然存在的少量频率混叠部分利用解相关运算予以修正,实现对特征频率信号的提取,从而解决了频率混叠问题。通过仿真试验验证了该方法的有效性,并将该方法应用于旋转机械振动信号的特征频率成分的提取中,取得很好的效果。
【作者单位】：南京信息工程大学信息与控制学院;
【基金】：国家自然科学基金资助项目(51405241,51505234,51575283)
【分类号】：TH133.33;TN911.7
【正文快照】： 滚动轴承是旋转机械中应用最广且也是最易损坏的机械零件之一,许多机械故障都与滚动轴承有关,它工作好坏对机械的工作状态有很大的影响,故对工作中的滚动轴承特征频率信号的精确提取尤为重要,为后期的故障诊断奠定基础。由于机械设备振动信号多为非线性非平稳信号,传统的傅里

【相似文献】