基于奇异值差分谱降噪与经验模式分解的滚动轴承故障特征提取方法 |
| |
引用本文: | 秦波,刘永亮,王建国,杨云中,马俊平,郭慧丽. 基于奇异值差分谱降噪与经验模式分解的滚动轴承故障特征提取方法[J]. 机床与液压, 2016, 44(11): 168-172. DOI: 10.3969/j.issn.1001-3881.2016.11.041 |
| |
作者姓名: | 秦波 刘永亮 王建国 杨云中 马俊平 郭慧丽 |
| |
作者单位: | 1. 内蒙古科技大学机械工程学院,内蒙古包头,014010;2. 包头钢铁(集团)有限公司设备动力部,内蒙古包头,014010 |
| |
基金项目: | 国家自然科学基金资助项目(21366017),内蒙古科技厅高新技术领域科技计划重大项目(20130302) |
| |
摘 要: | 针对滚动轴承振动信号含有大量噪声且具有非线性、非平稳特性致使故障特征难提取的问题,提出一种基于奇异值差分谱降噪与经验模式分解(EMD)相结合的滚动轴承故障特征提取方法。首先,将滚动轴承振动信号在相空间重构的基础上利用奇异值差分谱完成降噪;其次,将降噪后的信号经EMD筛分为多个含有信号局部特征的本征模式分量(IMF);最后对与原信号相关度最大的IMF进行Hilbert包络解调,进而提取故障特征频率。实验结果表明:该方法不仅有效去除信号噪声,而且准确提取滚动轴承的故障特征。
|
关 键 词: | 奇异值降噪 EMD Hilbert解调 滚动轴承 特征提取 |
Singular Values Difference Spectrum De-noising Combined with Empirical Mode Decomposition Based Rolling Bearing Fault Feature Extraction Method |
| |
Abstract: | |
| |
Keywords: | Keywords : Singular values de-noising Empirical mode decomposition (EMD) Hilbert envelope Rolling bearing Fault feature extraction |
本文献已被 CNKI 万方数据 等数据库收录! |
| 点击此处可从《机床与液压》浏览原始摘要信息 |
|
点击此处可从《机床与液压》下载全文 |
|