基于自适应经验傅里叶分解的机械故障诊断方法

发布时间：2021-12-30 10:55

　　为了克服傅里叶变换、经验模态分解与傅里叶分解方法在分析非平稳信号方面的不足,提出一种适合非线性和非平稳信号分析的新方法——自适应经验傅里叶分解（Adaptive empirical Fourier decomposition,AEFD）。AEFD方法以快速傅里叶变换为基础,通过对变换系数进行分组重构,能够将一个非平稳信号自适应地分解为若干个瞬时频率具有物理意义的傅里叶本征模态函数（Fourier intrinsic mode function,FIMF）之和。研究了AEFD的分解正交性和精确性,通过仿真信号分析,将其与经验模态分解,变分模态分解和傅里叶分解方法等进行了详细对比,结果表明了AEFD的优越性。最后,为了提高故障诊断的精度和验证AEFD的有效性,将AEFD应用到转子碰摩和滚动轴承局部故障诊断中。试验数据分析结果表明,与经验模态分解等方法相比,AEFD不仅能够有效地诊断故障,而且诊断精度更高。 

【文章来源】：机械工程学报. 2020,56(09)北大核心EICSCD

【文章页数】：12 页

【部分图文】：

仿真信号x(t)时域波形

EMD,VMD,FDM及AEFD四种方法估计x(t)的时频分布

仿真信号y(t)及其组成成分的时域波形

【参考文献】：
期刊论文
[1]基于FVMD多尺度排列熵和GK模糊聚类的故障诊断[J]. 陈东宁,张运东,姚成玉,孙飞,周能元.  机械工程学报. 2018(14)
[2]基于改进经验小波变换的时频分析方法及其在滚动轴承故障诊断中的应用[J]. 郑近德,潘海洋,戚晓利,张兴权,刘庆运.  电子学报. 2018(02)
[3]均值优化经验模态分解及其在转子故障诊断中的应用[J]. 郑近德,潘海洋,程军圣.  机械工程学报. 2018(23)
[4]基于变分模态分解的机械故障诊断方法研究[J]. 李志农,朱明.  兵工学报. 2017(03)
[5]改进的希尔伯特-黄变换及其在滚动轴承故障诊断中的应用[J]. 郑近德,程军圣.  机械工程学报. 2015(01)
[6]一种新的非平稳信号分析方法——局部特征尺度分解法[J]. 程军圣,郑近德,杨宇.  振动工程学报. 2012(02)
[7]魏格纳-维尔分布交叉项抑制方法综述[J]. 赵培洪,平殿发,邓兵,李炳荣.  探测与控制学报. 2010(01)
[8]一种应用自项抑制魏格纳分布交叉项的方法[J]. 刘文艺,汤宝平,陈仁祥,蒋永华.  中国机械工程. 2009(21)
[9]转子系统碰摩故障的实验研究[J]. 卢文秀,褚福磊.  清华大学学报(自然科学版). 2005(05)

硕士论文
[1]旋转机械故障特征提取技术及其系统研究[D]. 张韧.浙江大学 2004



本文编号：3558051