基于奇异值分解和局域均值分解的滚动轴承故障特征提取方法

• 作者: 万旭东 李健 王建国
• 来源期刊: 机械工程学报
• 学科: 工学
• 关键词: 滚动轴承 奇异值分解 局域均值分解 故障特征提取
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 机械学 -- 机械动力学
• 页码范围: 104-110
• 页数: 7页
• 分类号: TH133|TH165|TN911
• 字数: 3468字
• 语种: 中文
• DOI: 10.3901/JME.2015.03.104

摘要

针对随机噪声干扰滚动轴承故障特征信号提取这一问题，提出一种基于奇异值分解(Singular value decomposition, SVD)滤波降噪与局域均值分解(Local mean decomposition, LMD)相结合的故障特征提取方法。该方法首先对原始振动信号在相空间重构Hankel矩阵并利用SVD方法进行降噪处理，再对降噪后的信号进行 LMD分解，将多分量的调制信号分解成一系列生产函数(Product function, PF)之和，最后结合共振解调技术对PF分量进行包络谱分析提取故障特征频率。通过数值仿真和实际轴承故障数据的分析对比，表明该方法提高了 LMD的分解能力，可有效辨别出滚动轴承实测信号的典型故障，提高滚动轴承故障的诊断效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建国	东北电力大学自动化工程学院	73	627	14.0	22.0
2	李健	东北电力大学自动化工程学院	9	125	3.0	9.0
3	万旭东	东北电力大学自动化工程学院	1	55	1.0	1.0