一种改进的EEMD算法及其在滚动轴承故障诊断中的应用

• 作者: 刘政 李亚超 马增强
• 来源期刊: 石家庄铁道大学学报（自然科学版）
• 学科: 工学
• 关键词: 滚动轴承 EEMD Teager能量算子 故障诊断
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 机械与测控工程
• 页码范围: 66-71
• 页数: 6页
• 分类号: TH165+.3
• 字数: 2678字
• 语种: 中文
• DOI: 10.13319/j.cnki.sjztddxxbzrb.2016.04.11

摘要

总体经验模式分解(Ensemble Empirical Mode Decomposition, EEMD)方法由于其自适应性和抗混叠的特性,在轴承故障诊断领域得到广泛应用.针对总体经验模式分解(Ensemble Empirical Mode Decomposition, EEMD)方法中参数难以准确获取的问题,提出了基于改进的EEMD分解和Teager能量算子的滚动轴承故障诊断方法.首先对故障信号进行预处理,自动获取EEMD方法中的加入白噪声大小和总体平均次数两个重要参数.之后对信号进行EEMD分解,得到若干个本征模态分量(Intrinsic Mode Function, IMF),利用峭度准则选取其中峭度最大的分量并进行Teager能量算子解调,最后通过能量谱识别出滚动轴承的工作状态和故障类型.将该方法应用到滚动轴承仿真故障数据和实际数据中,实验结果表明,该方法可有效提取滚动轴承故障特征频率信息,验证了所提方法的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李亚超		4	18	2.0	4.0
3	马增强	石家庄铁道大学电气与电子工程学院	71	503	9.0	20.0
4	刘政	石家庄铁道大学电气与电子工程学院	4	9	2.0	3.0