论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 熊国良,毛志德,张龙,崔路瑶
关键词: 维谱,故障诊断
来源: 机械设计与研究 2019年01期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 机械工业
单位: 华东交通大学机电与车辆工程学院
基金: 国家自然科学基金(51665013,51205130),江西省自然科学基金(20161BAB216134,20171BAB206028)资助项目,江西省研究生创新资金项目(YC2017-S248)
分类号: TH133.33
DOI: 10.13952/j.cnki.jofmdr.2019.0108
页码: 100-104
总页数: 5
文件大小: 2110K
下载量: 105