基于LMD和MED的滚动轴承故障特征提取方法

发布时间：2017-07-19 20:24

  本文关键词：基于LMD和MED的滚动轴承故障特征提取方法

  更多相关文章： 轴承 故障诊断 最小熵反褶积 局域均值分解 特征提取

【摘要】：机械系统所拾取的振动信号包含着许多复杂的信息成分,微弱故障信号的提取往往会受到这些成分的影响,故障识别非常困难,尤其是滚动体故障识别,往往比内圈和外圈故障识别更困难。提出局域均值分解(local mean decomposition,LMD)与最小熵反褶积(minimum entropy deconvolution,MED)结合的方式,提取强噪声、强确定性成分下微弱故障信号的特征。先用LMD对信号做预处理,自适应地分解为若干个乘积函数(product function,PF)分量,再对前4个PF分量做MED处理以放大故障脉冲特征,最后对MED处理后的信号进行包络分析。通过对强噪声背景下滚动轴承滚动体的故障实例分析,该方法得到的输出频谱故障特征频率处峰值与200 Hz内所有峰值均值的比值较原信号的增加了96.4%,同时信噪比提高了18.3%,成功地提取了故障特征,取得了良好的效果,该研究可为强噪声环境下轴承故障识别和诊断提供参考。
【作者单位】： 中国矿业大学化工学院;徐州工程学院江苏省大型工程装备检测与控制重点建设实验室;
【关键词】： 轴承 故障诊断 最小熵反褶积 局域均值分解 特征提取
【基金】：江苏省大型工程装备检测与控制重点建设实验室开放课题(JSKLEDC201402) 江苏省科技支撑计划(BE2013038)
【分类号】：TH133.33
【正文快照】： 2.徐州工程学院江苏省大型工程装备检测与控制重点建设实验室,徐州221111)周士帅,窦东阳,薛斌.基于LMD和MED的滚动轴承故障特征提取方法[J].农业工程学报,2016,32(23):70-76.doi:10.11975/j.issn.1002-6819.2016.23.010 http://www.tcsae.orgZhou Shishuai,Dou Dongyang,Xue B

【相似文献】

中国期刊全文数据库 前2条

1 胡建忠;黄梦;尹晓利;刘振兴;范成洲;;基于形态小波变换与EMD的齿轮多重故障特征提取方法[J];装甲兵工程学院学报;2014年02期

2 ;[J];;年期

中国硕士学位论文全文数据库 前5条

1 代士超;滚动轴承外圈故障机理建模及双冲击特征提取方法的研究[D];昆明理工大学;2015年

2 孙美岩;基于振动信号的滚动轴承故障特征提取研究[D];东北石油大学;2015年

3 陈刚;特征优化方法研究及其在轴承故障诊断中的应用[D];上海交通大学;2015年

4 裴爱岭;滚动轴承故障特征提取方法研究[D];沈阳航空航天大学;2015年

5 尹芳莉;强冲击下变速箱滚动轴承故障特征提取及状态评估研究[D];中南大学;2014年

，

本文编号：564751