EEMD结合小波包的振动筛轴承信号降噪效果分析

发布时间：2021-10-22 06:02

　　为解决振动机械故障诊断中如何更有效地在复杂信号中提取有用的故障信号的问题,提出了一种优良降噪算法。先将原始信号用小波包降噪,对降噪后的信号进行EEMD分解,然后将分解得到的固有模态分量（IMF）构建不同的带通滤波器,利用算法逼近度指标和相关系数建立优良降噪算法的判断准则,以此来选择最优的滤波器组合。对振动筛轴承信号进行仿真,用新算法处理仿真信号,结果显示,故障信号被保留下来,其他信号均被滤除。同时用该降噪算法分析了实测振动筛轴承信号,所得的结果合理有效。 

【文章来源】：机械设计与制造. 2020,(05)北大核心

【文章页数】：5 页

【部分图文】：

小波包3层分解树

轴承的数据包括电动机产生的工频信号，外圈点蚀产生的周期性冲击信号，还有系统产生的噪声干扰。仿真信号使用周期为16.7HZ的正弦信号s1来代替振动筛工频信号；gauspuls脉冲分量s2来代替轴承外圈点蚀产生的冲击信号；标准差为0.1的白噪声代替原始信号中的噪声干扰。信号在测量当中还会产生系统误差，这里不予考虑。以上三种信号构成了原始信号s。首先对原始信号进行小波包降噪处理，处理的时域图，如图2、图3所示。可以看出小波包降噪去除了大部分的白噪声干扰。接下来对轴承信号进行EEMD分解得到了15个IMF分量，以及一个余项，分解得到的分量，如图4所示。

首先对原始信号进行小波包降噪处理，处理的时域图，如图2、图3所示。可以看出小波包降噪去除了大部分的白噪声干扰。接下来对轴承信号进行EEMD分解得到了15个IMF分量，以及一个余项，分解得到的分量，如图4所示。图4 经EEMD分解得到的模态分量

【参考文献】：
期刊论文
[1]基于小波包与改进EMD的轮轨力信号降噪[J]. 张绪景,雷晓燕,刘庆杰.  噪声与振动控制. 2016(05)
[2]基于CEEMDAN小波包的MEMS水听器信号去噪[J]. 赫彬,白艳萍.  数学的实践与认识. 2016(13)
[3]基于EEMD的高速列车横向减振器故障的排列熵特征分析[J]. 吴志丹,秦娜,金炜东.  计算机科学. 2016(05)
[4]改进的EEMD算法及其应用研究[J]. 郑近德,程军圣,杨宇.  振动与冲击. 2013(21)
[5]基于EMMD分解的滚动轴承故障诊断[J]. 张超,陈建军,郭迅,魏永祥.  机械强度. 2012(05)
[6]基于相关系数的EEMD转子振动信号降噪方法[J]. 陈仁祥,汤宝平,吕中亮.  振动.测试与诊断. 2012(04)
[7]滚动轴承故障的EMD诊断方法研究[J]. 高强,杜小山,范虹,孟庆丰.  振动工程学报. 2007(01)
[8]基于自适应滤波的滚动轴承故障诊断研究[J]. 孙晖,朱善安.  浙江大学学报(工学版). 2005(11)



本文编号：3450520