基于PCA和LMD分解的滚动轴承故障特征提取方法 |
| |
引用本文: | 黄浩,吕勇,肖涵,侯高雁.基于PCA和LMD分解的滚动轴承故障特征提取方法[J].仪表技术与传感器,2015(4):76-78,99. |
| |
作者姓名: | 黄浩 吕勇 肖涵 侯高雁 |
| |
作者单位: | 武汉科技大学冶金装备及其控制教育部重点实验室 |
| |
基金项目: | 国家自然科学基金青年基金资助项目(51105284);湖北省高校优秀中青年创新团队计划(T200905)资助 |
| |
摘 要: | 局部均值分解(LMD)是一种自适应时频分析方法,并在轴承的故障诊断中成功应用,但是受噪声的影响比较大。为了最大程度地降低噪声的干扰,提出了主分量分析(PCA)与局部均值分解(LMD)相结合的故障诊断方法。该方法首先利用相空间重构将一维时间序列振动信号嵌入为等效的多维时间序列信号,然后利用主分量分析提取主要成分实现降噪,最后把降噪之后的信号进行LMD分解,分解成若干个乘积函数(PF)之和,对能量最高的PF1进行包络谱分析,提取出故障特征信息。通过仿真试验和轴承故障试验,结果表明该方法能够有效地提取出信号的故障特征,证明了该方法的有效性。
|
关 键 词: | 相空间重构 主分量分析 LMD 特征提取 |
本文献已被 CNKI 等数据库收录! |
|