基于MED-EEMD的滚动轴承微弱故障特征提取

• 作者: 刘邱祖 宁少慧 王志坚 韩振南
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 轴承 故障检测 信号分析 齿轮箱 最小熵反褶积 总体平均经验模态分解 微弱故障 多故障
• 年，卷（期）: 2014,（23）
• 所属期刊栏目: 农业装备工程与机械化
• 页码范围: 70-78
• 页数: 9页
• 分类号: TN911.72|TP206
• 字数: 3928字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-6819.2014.23.010

摘要

针对滚动轴承在强噪声环境下故障信号微弱、故障特征难以提取等问题，提出了基于最小熵反褶积（minimum entropy deconvolution，MED）和总体平均经验模态分解（ensemble empirical mode decomposition， EEMD）两者相结合的方法来提取滚动轴承微弱故障特征。通过对仿真信号和风电齿轮箱的振动信号分析，结果表明：为了弥补在强背景噪声下EEMD对微弱信号特征提取的局限性，该文选取MED作为EEMD的前置滤波器，最后对敏感的本征模态函数进行循环自相关函数解调分析，得出了风电齿轮箱的故障来自于高速轴的微小弯曲和高速轴输出端#10轴承外圈点蚀。同时与EEMD进行对比分析，表明了这种方法对微弱故障特征提取有较好的适用性。该文为多故障共存并处于强背景噪声下的微弱特征提取提供了参考。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩振南	太原理工大学机械工程学院	82	524	12.0	19.0
2	刘邱祖	太原理工大学机械工程学院	51	208	8.0	12.0
3	宁少慧	太原理工大学机械工程学院	9	78	4.0	8.0
4	王志坚	太原理工大学机械工程学院	5	88	5.0	5.0