| 改进型EEMD和MSB解调方法及其在轴承故障特征提取中的应用 |
| |
| 引用本文： | 甄 冬,田少宁,郭俊超,孟召宗,谷丰收.改进型EEMD和MSB解调方法及其在轴承故障特征提取中的应用[J].振动工程学报,2023,36(5):1447-1456. |
| |
| 作者姓名： | 甄 冬 田少宁 郭俊超 孟召宗 谷丰收 |
| |
| 作者单位： | 河北工业大学机械工程学院，天津 300130；;天津理工大学天津市先进机电系统设计与智能控制重点实验室，天津 300384；天津理工大学机电工程国家级实验教学示范中心，天津 300384;河北工业大学机械工程学院，天津 300130；Centre for Efficiency and Performance Engineering， University of Huddersfield， Huddersfield HD1 3DH |
| |
| 基金项目： | 国防科技大学装备综合保障技术重点实验室基金资助项目（6142003200102）；国家自然科学基金资助项目（51605133）；中国博士后科学基金面上项目（2021M702122） |
| |
| 摘 要： | 针对滚动轴承振动信号的强非线性和非平稳特性，提出了一种基于改进集成经验模态分解（IEEMD）和调制信号双谱（MSB）分析的故障特征提取方法。将集成经验模态分解（EEMD）应用于滚动轴承的振动信号处理，将其分解成一系列的本征模态函数（IMFs）；通过累计均值（MSAM）准则将IMFs自适应地分为低频IMFs和高频IMFs，其中高频IMFs采用小波阈值降噪进行处理；将降噪后的高频IMFs与低频IMFs进行重构以获取高信噪比的瞬态脉冲信号；利用MSB进一步抑制瞬态脉冲信号中的随机噪声和干扰分量，并提取信号故障特征。与谱峭度（SK）和WEEMD-MSB分析结果进行对比，验证了该方法在轴承微弱故障特征提取方面的优越性。
|
| 关 键 词： | 故障诊断 滚动轴承 改进经验模态分解 调制信号双谱分析 累计均值 |
An improved decomposition method using EEMD and MSB and its application in rolling bearing fault feature extraction |
| |
| ZHEN Dong,TIAN Shao?ning,GUO Jun?chao,MENG Zhao?zong,GU Feng?shou.An improved decomposition method using EEMD and MSB and its application in rolling bearing fault feature extraction[J].Journal of Vibration Engineering,2023,36(5):1447-1456. |
| |
| Authors: | ZHEN Dong TIAN Shao?ning GUO Jun?chao MENG Zhao?zong GU Feng?shou |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《振动工程学报》浏览原始摘要信息 |
|
点击此处可从《振动工程学报》下载全文 |
