[an error occurred while processing this directive]

机械设计与研究 ›› 2019, Vol. 35 ›› Issue (01): 100-104.doi: 10.13952/j.cnki.jofmdr.a4826

• 论文 • 上一篇    下一篇

基于总体平均经验模态分解与1.5维谱的滚动轴承故障诊断方法

熊国良;毛志德;张龙;崔路瑶;   

  1. 华东交通大学机电与车辆工程学院;
  • 出版日期:2019-02-20 发布日期:2019-02-20

  • Online:2019-02-20 Published:2019-02-20

摘要: 针对滚动轴承早期故障冲击信号微弱,强噪声干扰下故障特征难以提取等问题,提出了基于总体平均经验模态分解(EEMD)与1.5维谱的滚动轴承故障诊断方法。由于经验模态分解(EMD)在对信号进行分解时容易产生模态混叠现象,引入总体平均经验模态分解(EEMD)。首先将最小熵解卷积(MED)作为前置滤波器,对原始信号进行降噪处理,再利用1.5维谱对经过EEMD分解得到的较为敏感的本征模态函数进行分析,得到各个分量的1.5维包络谱,最终判断轴承是否存在故障。通过仿真信号及实验信号验证了文中所论方法的可行性和有效性。

关键词: MED, EEMD, 1.5维谱, 故障诊断

Key words: Minimum entropy deconvolution, EEMD, 1.5-dimensional spectrum, fault diagnosis

[an error occurred while processing this directive]