基于LMD自适应多尺度形态学和Teager能量算子方法在轴承故障诊断中的应用

发布时间：2019-09-20 02:11

【摘要】：为了从故障轴承信号中提取包含故障信号的特征频率,提出了基于LMD(Local Mean Decomposition,LMD)自适应多尺度形态学和Teager能量算子解调的方法。首先,采用LMD将目标信号分解成有限个PF(Product Function,PF)分量,分别对其进行多尺度形态学滤波,利用峭度准则优化形态学结构元素尺度,自适应寻求最优解,最后用Teager能量算子计算各PF分量的瞬时幅值,通过瞬时Teager能量的Fourier频谱识别轴承的故障特征频率。为了验证理论的正确性,进行了数字仿真实验和轴承故障模拟实验,并与EMD形态学和包络解调方法进行了比较,结果表明该算法明显优于其他两种方法,对滚动轴承外圈、内圈和滚子故障的检测精度更高,能够清晰地提取出故障信号的频率特征。
【作者单位】：北京交通大学机械与电子控制工程学院;石家庄铁道大学交通环境与安全工程研究所;
【基金】：国家自然科学基金(11227201;11202141;11372197;11472179;51405313) 铁路总公司重大项目(2014J012) 河北省自然科学基金(A2013210013;A2015210005) 河北省教育厅项目(YQ2014028)
【分类号】：TH133.3

【相似文献】