变分模态分解和K-L散度在振动筛轴承故障诊断中的应用

• 作者: 徐元博 蔡宗琰
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 振动与波 振动筛 轴承故障诊断 变分模态分解 经验模态分解 集成经验模态分解
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 160-165
• 页数: 6页
• 分类号: TH133.33|TG806
• 字数: 2395字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2017.04.031

摘要

振动筛属于振动机械设备中的筛分设备,其结构特点与运行原理与一般的旋转机械有很大不同,因此提取出的振动信号同从旋转机械提取出的振动信号也同样有较大区别,主要体现在信号中不仅存在大量背景噪声,而且成分也较为复杂.对于此类信号,模态分解算法是个行之有效的方法,模态分解算法在去除大量高频噪声的同时,还能将振动信号分解成一系列具有单一成分的模态分量,从而能更好发现振动信号的物理意义.基于此,引入一种新的故障诊断方法,首先利用变分模态分解将故障信号分解为若干个窄带模态分量,然后根据K-L散度值选定最佳的分量,最后进行包络运算得出故障频率.通过仿真模拟实验与振动筛轴承故障诊断的实际应用,并与之前的经典模态分解算法——经验模态分解和集成经验模态分解进行对比,发现该算法更具有优越性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡宗琰	长安大学道路施工技术与装备教育部重点实验室	38	236	9.0	14.0
2	徐元博	长安大学道路施工技术与装备教育部重点实验室	7	31	3.0	5.0