基于VMD的自适应形态学在轴承故障诊断中的应用

• 作者: 傅秀清 康敏 王兴盛 费秀国 钱林
• 来源期刊: 振动与冲击
• 学科: 工学
• 关键词: 轴承 变分模态分解 数学形态学 粒子群算法 互信息法
• 年，卷（期）: 2017,（3）
• 页码范围: 227-233
• 页数: 7页
• 分类号: TH165.3|TH133.3
• 字数: 5389字
• 语种: 中文
• DOI: 10.13465/j.cnki.jvs.2017.03.036

摘要

为有效提取滚动轴承信号的特征频率，提出了基于变分模态分解（VMD）的自适应形态学的特征提取方法。首先利用 VMD 将目标信号分解为有限个模态信号，依据互信息法提取与原始信号相关的模态信号，将其进行求和重构；然后利用形态学对重构信号进行降噪处理，提取出滚动轴承的特征频率。针对形态学固有统计偏移和结构元素的选择问题，利用粒子群算法来优化改进的广义形态学滤波器，实现自适应滤波。通过数字仿真实验与滚动轴承故障试验分析，将其与基于经验模式分解（EMD）的自适应形态学、包络解调方法进行比较，结果表明该方法可以有效提取故障信号的特征频率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅秀清	南京农业大学工学院	48	238	8.0	13.0
2	王兴盛	南京农业大学工学院	15	75	4.0	8.0
3	费秀国		8	13	2.0	3.0
4	钱林	南京农业大学工学院	2	0	0.0	0.0