基于奇异值分解和变分模态分解的轴承故障特征提取

发布时间：2018-01-16 16:23

  本文关键词：基于奇异值分解和变分模态分解的轴承故障特征提取　出处：《振动与冲击》2016年22期 　论文类型：期刊论文

  更多相关文章： 变分模态分解 奇异值分解 滚动轴承 故障特征提取

【摘要】：为了有效提取轴承故障,提出了基于变分模态分解和奇异值分解降噪的故障特征提取方法。通过对故障信号进行变分模态分解,获得其本征模态函数。基于峭度指标,选择包含故障信息的本征模态函数进行信号重构。利用奇异值分解降噪技术对重构信号进行处理,提高信噪比。最后对降噪信号进行包络解调提取故障特征频率。与常见的故障特征提取方法相比,该方法能有效辨别滚动轴承的典型故障,突出故障特征,提高滚动轴承的故障诊断效果。
[Abstract]:In order to extract bearing fault effectively, a method of fault feature extraction based on variational mode decomposition (VMD) and singular value decomposition (SVD) is proposed. The fault signal is decomposed by variational mode decomposition (VMD). Based on the kurtosis index, the intrinsic mode function containing fault information is selected to reconstruct the signal. The singular value decomposition (SVD) denoising technique is used to process the reconstructed signal. Finally, the signal to noise reduction signal is demodulated by envelope demodulation to extract the fault feature frequency. Compared with the common fault feature extraction method, this method can effectively distinguish the typical fault of rolling bearing and highlight the fault characteristics. Improve the fault diagnosis effect of rolling bearing.
【作者单位】： 华北电力大学(保定)电气与电子工程学院;
【基金】：国家自然科学基金项目(51277074)
【分类号】：TH133.3
【正文快照】： 轴承是机械传动系统的核心部件[1],在功率传递的过程中发挥着至关重要的作用,如新能源风力发电机主轴承、齿轮箱的各级轴承等。一旦轴承发生故障,传动系统的正常运行会受到极大影响。在轴承的故障中,元件表面损伤最为常见。轴承元件发生表面损伤后,会和与之配合的元件表面发生

【相似文献】

相关期刊论文 前10条

1 陈岳东，屈梁生;回转机械的故障特征提取与分类[J];机械工程学报;1994年S1期

2 高正明;何彬;赵娟;裴永泉;左广霞;;常用故障特征提取方法[J];机床与液压;2009年12期

3 李兆飞;柴毅;李华锋;;多重分形的振动信号故障特征提取方法[J];数据采集与处理;2013年01期

4 韩立静;徐金梧;阳建宏;黎敏;;基于灰度击中击不中变换的故障特征提取方法[J];北京科技大学学报;2012年07期

5 李辉,宋智勇,孙丰瑞;基于小波包-包络分析的故障特征提取方法[J];振动、测试与诊断;2003年04期

6 李学军;廖传军;褚福磊;;适于声发射信号故障特征提取的小波函数[J];机械工程学报;2008年03期

7 梅检民;肖云魁;贾继德;赵慧敏;陈祥龙;乔龙;;基于改进阶比的变速器微弱故障特征提取[J];振动工程学报;2012年03期

8 任立通;胡金海;谢寿生;王磊;苗卓广;;基于随机共振预处理的振动故障特征提取研究[J];振动与冲击;2014年02期

9 陈长征,罗跃纲,张省,虞和济;基于小波分析的机械故障特征提取研究[J];机械强度;2001年01期

10 郝志华;马孝江;;高阶非线性时频表示在故障特征提取中的应用[J];农业机械学报;2006年02期

相关会议论文 前3条

1 赵志宏;杨绍普;;一种基于ICA的机械故障特征提取方法[A];机械动力学理论及其应用[C];2011年

2 潘宏侠;黄晋英;毛鸿伟;刘振旺;;基于粒子群优化的故障特征提取技术研究[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

3 朱启兵;杨慧中;;基于卷积型小波包奇异值分解的齿轮故障特征提取[A];第二十七届中国控制会议论文集[C];2008年

相关博士学位论文 前10条

1 蒋超;基于EEMD与MED的冲击信号自适应故障特征提取方法[D];上海大学;2016年

2 程发斌;面向机械故障特征提取的混合时频分析方法研究[D];重庆大学;2007年

3 冯坤;基于内积变换的机械故障特征提取原理与早期识别方法研究[D];北京化工大学;2012年

4 李加庆;基于声全息的故障特征提取技术研究[D];上海交通大学;2008年

5 赵玲;旋转机械系统故障特征提取中的分形方法研究[D];重庆大学;2010年

6 陈建国;基于独立分量分析的机械故障特征提取及分类方法研究[D];大连理工大学;2011年

7 李兆飞;振动故障分形特征提取及诊断方法研究[D];重庆大学;2013年

8 鞠萍华;旋转机械早期故障特征提取的时频分析方法研究[D];重庆大学;2010年

9 赵志宏;基于振动信号的机械故障特征提取与诊断研究[D];北京交通大学;2012年

10 赵鹏;离心泵振动故障诊断方法研究及系统实现[D];华北电力大学（北京）;2011年

相关硕士学位论文 前10条

1 薄瑞瑞;基于LMD的振动信号处理及故障特征提取研究[D];内蒙古大学;2015年

2 凡非龙;旋转机械故障诊断与现场动平衡系统研发[D];浙江大学;2015年

3 屈红伟;基于LMD的故障特征提取方法及动平衡技术研究[D];北京化工大学;2015年

4 李岭阳;基于非线性分析的故障特征提取及识别方法研究[D];北京化工大学;2016年

5 沈金理;机械装备连接松动故障特征提取方法的研究[D];东华大学;2013年

6 李敏;基于谱融合的管道故障特征提取方法研究[D];北京化工大学;2011年

7 易雄;基于小波分析的机械故障特征提取与诊断技术研究[D];浙江工业大学;2009年

8 钟晓平;气象卫星运动部件故障特征提取及振动特性研究[D];上海交通大学;2009年

9 宋震;柴油机典型故障特征提取与诊断研究[D];天津大学;2013年

10 王泽栋;钻井泵阀的故障特征提取与基于GSM的远程故障报警仪[D];北京化工大学;2008年

，

本文编号：1433893