经验模态分解(EMD)在滚动轴承故障诊断中的应用

• 作者: 丁戈 于德介 杨宇 程军圣
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 滚动轴承 EMD 神经网络 故障诊断
• 年，卷（期）: 2003,（5）
• 所属期刊栏目: 机械工程
• 页码范围: 25-28
• 页数: 4页
• 分类号: TU133
• 语种: 中文
• DOI: 10.3321/j.issn:1000-2472.2003.05.007

摘要

针对滚动轴承故障振动信号的非平稳特征,提出了基于经验模态分解(Empirical Mode Decomposition,简称EMD)和神经网络的滚动轴承故障诊断方法.首先对原始信号进行了经验模态分解,将其分解为多个平稳的固有模态函数(Intrinsic Mode function,简称IMF)之和,再选取若干个包含主要故障信息的IMF分量,并从中提取时域特征指标--峭度或裕度因子作为神经网络的输入参数来识别滚动轴承的故障模式.对滚动轴承的内圈、外圈故障信号的分析结果表明,以EMD为预处理器提取时域特征参数的神经网络诊断方法比直接从原信号中提取时域特征参数的诊断方法有更高的故障识别率,可以准确、有效地识别滚动轴承的工作状态和故障类别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于德介	湖南大学机械与汽车工程学院	253	5743	38.0	65.0
2	杨宇	湖南大学机械与汽车工程学院	170	5200	44.0	68.0
3	程军圣	湖南大学机械与汽车工程学院	210	5603	44.0	69.0
4	丁戈		4	89	2.0	4.0