基于改进自适应经验傅里叶分解的滚动轴承故障诊断方法 |
| |
作者姓名: | 曹仕骏 郑近德 潘海洋 童靳于 刘庆运 |
| |
作者单位: | 1. 特种重载机器人安徽省重点实验室;2. 安徽工业大学机械工程学院 |
| |
基金项目: | 国家自然科学基金(51975004);;安徽省自然科学基金(2008085QE215); |
| |
摘 要: | 自适应经验傅里叶分解(AEFD)是最近提出的非平稳信号分解方法,为了解决AEFD的分割边界集设置问题,提出了基于频谱包络检测的改进自适应经验傅里叶分解(EAEFD)方法,该方法以快速傅里叶变换为基础,以包络熵值最小选择最优的分解模态数目,采用极大值包络技术对傅里叶频谱分割,得到一个合理的分割边界,最后采用逆快速傅里叶变换对每个区间信号进行重构。EAEFD能够自适应地将一个复杂信号分解为若干个瞬时频率具有物理意义的单分量信号之和,通过仿真信号和滚动轴承信号分析,将EAEFD方法与经验小波变换(EWT),经验模态分解(EMD),局部特征尺度分解(LCD)和AEFD等方法进行了对比,结果表明EAEFD方法不仅仅能够有效地诊断出故障特征,而且诊断的精度更高。
|
关 键 词: | 自适应经验傅里叶分解(AEFD) 包络熵 经验模态分解 滚动轴承 故障诊断 |
|