基于自适应时频分析的滚动轴承故障诊断

作者:荆双喜;杨晓雨;罗志鹏 刊名:《机械设计与研究》 上传者:徐胜利

【摘要】针对滚动轴承故障诊断,提出一种将集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和平滑伪魏格纳分布(Smoothed Pseudo Wigner-Ville Distribution,SPWVD)相结合的EEMD-SPWVD自适应时频分析方法。首先将多分量轴承故障信号通过EEMD分解为多个单分量信号的叠加;然后参考各分量的互相关系数去除虚假分量,筛选出真实的固有模态分量(Intrinsic Mode Function,IMF);最后将筛选出的固有模态函数进行SPWVD计算,并从低频到高频逐步有选择地线性叠加到EEMD-SPWVD时频谱图中。通过对EEMD-SPWVD方法的滚动轴承内圈故障诊断仿真和西储大学轴承内圈故障信号的特征提取应用,对比SPWVD时频谱,说明了EEMD-SPWVD方法相对单一方法的优越性,验证了该方法在滚动轴承故障特征提取中的有效性。

全文阅读

第 34卷第4期 2018年 8月 机械设计与研究 Machine Design and Research Vo1.34 No.4 AUG..2018 文章编号 :1006-2343(2018)04-085-04 基 于 自 适 应 时 频 分 析 的 滚 动 轴 承 故 障 诊 断 荆双喜。杨晓雨,罗志鹏 (河南理工大学 机械与动力工程学院,河南 焦作 454000,E—mail:jsx@hpu.edu.cn) 摘 要:针对滚动轴承故障诊断,提出一种将集合经验模态分解(Ensemble Empircal Mode Decomposition, EEMD)和平滑伪魏格纳分布(Smoothed Pseudo Wigner—Ville Distribution,SPWVD)相结合的 EEMD—SPWVD自 适应时频分析方法。首先将多分量轴承故障信号通过EEMD分解为多个单分量信号的叠加;然后参考各分量 的互相关系数去除虚假分量,筛选出真实的固有模态分量(Intrinsic Mode Function,IMF);最后将筛选出的固有 模态函数进行 SPWVD计算,并从低频到高频逐步有选择地线性叠加到 EEMD—SPWVD时频谱图中。通过对 EEMD—SPWVD方法的滚动轴承 内圈故障诊断仿真和西储 大学轴承 内圈故障信号的特征提取应用,对比 SPWVD时频谱,说明了EEMD—SPWVD方法相对单一方法的优越性,验证了该方法在滚动轴承故障特征提取 中的有效性。 关键词:滚动轴承;故障诊断;集合经验模态分解(EEMD);平滑伪魏格纳分布 (SPWVD) 中图分类号:TH17 文献标识码 :A Research on Fault Diagnosis of Rolling Bearing Based on Adaptive Time-Frequency Analysis JING Shuangxi,YANG Xiaoyu,LUO Zhipeng (School of Mechanical and Power Engineering,Henan Polytechnic University,Henan Jiaozuo 454000,China) Abstract: Aiming at the roling bearing fault diagnosis,a EEMD—SPWVD adaptive time—frequency analysis method based on Ensemble Empirical Mode Decomposition(EEMD)and Smoothed Pseudo Wigner-Vile Distribution (SPWVD)is proposed in this paper.First,the multi component bearing fault signal are decomposed into the superposition of multiple single component signals through EEMD.Then,the true Intrinsic Modal Function(IMF)are screened out by using the cross correlation coeficients of each component,and the false components wil be removed. Final

参考文献

引证文献

问答

我要提问