EMD-CSF在滚动轴承早期微弱故障诊断中应用 |
| |
引用本文: | 鲍怀谦,魏永长,王金瑞,张宗振,张国伟,田志远.EMD-CSF在滚动轴承早期微弱故障诊断中应用[J].噪声与振动控制,2022(6):105-110. |
| |
作者姓名: | 鲍怀谦 魏永长 王金瑞 张宗振 张国伟 田志远 |
| |
作者单位: | 1. 山东科技大学机械电子工程学院;2. 南京航空航天大学能源与动力学院;3. 西安电子科技大学机电工程学院 |
| |
摘 要: | 滚动轴承早期故障信息微弱并且夹杂大量背景噪声,故障特征难以识别,为增强传统轴承故障诊断算法的噪声适应性、智能性和鲁棒性,提出一种将经验模态分解(Empirical Mode Decomposition,EMD)和卷积稀疏滤波(Convolutional sparse filtering,CSF)相结合的故障诊断模型。首先对振动信号进行EMD处理,选取峭度值较大的前几阶固有模态分量(Intrinsic Mode Function,IMF)进行重构,然后将重构信号进行稀疏特征学习,最后通过分析时域波形和Hilbert包络谱的特征频率及其谐波判别轴承的故障信息。通过滚动轴承的仿真数据与实测试验数据,证明了采用所提方法能够更好识别轴承故障特征,具有更强的抗噪性。
|
关 键 词: | 故障诊断 滚动轴承 经验模态分解 稀疏滤波 早期故障诊断 Hilbert包络解调 |
|
|