ELMD和MCKD在滚动轴承早期故障诊断中的应用 Early Fault Diagnosis of Roller Bearing based on Ensemble Local Mean Decomposition and Maximum Correlated Kurtosis Deconvolution期刊界 All Journals 搜尽天下杂志传播学术成果专业期刊搜索期刊信息化学术搜索

ELMD和MCKD在滚动轴承早期故障诊断中的应用

作者单位：	;1.内蒙古科技大学机械工程学院;2.山东交通职业学院泰山校区机电系

摘要：	针对滚动轴承早期故障特征信号微弱且受环境噪声影响严重,故障特征信息难以识别的问题,提出了基于总体局部均值分解(Ensemble local mean decomposition,ELMD)和最大相关峭度反褶积(Maximum correlated kurtosis deconvolution,MCKD)的早期故障诊断方法。该方法首先运用ELMD对采集到的振动信号进行分解,得到有限个乘积函数(Product function,PF),由于噪声的干扰,从PF分量的频谱中很难对故障做出正确的判断。然后对包含故障特征的PF分量进行最大相关峭度反褶积处理以消除噪声影响,凸现故障特征信息。最后对降噪信号进行Hilbert包络谱分析,即可从中准确地识别出轴承的故障特征频率。通过轴承故障模拟实验和工程应用实例验证了该方法的有效性与优越性。
关键词：	滚动轴承总体局部均值分解最大相关峭度反褶积 Hilbert包络谱早期故障
Early Fault Diagnosis of Roller Bearing based on Ensemble Local Mean Decomposition and Maximum Correlated Kurtosis Deconvolution

Abstract:

Keywords:
本文献已被 CNKI 等数据库收录！