基于MF-SVD的滚动轴承振动信号故障特征提取方法研究

• 作者: 萨其日拉
• 来源期刊: 石油化工自动化
• 学科: 工学
• 关键词: 极值域均值模式分解 形态滤波 奇异值分解 特征提取
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 过程控制技术
• 页码范围: 31-36
• 页数: 6页
• 分类号: TP273
• 字数: 3585字
• 语种: 中文

摘要

极值域均值模式分解(EMMD)在抑制端点效应、算法精度、计算耗时等方面均比经验模式分解(EMD)算法和自适应时变滤波分解(ATVFD)有着明显的优势,能够有效地对旋转机械振动信号进行故障特征提取,由于现场信号通常掺杂大量噪声,严重影响了EMMD的分解精度.针对该问题,提出了基于形态滤波-奇异值(MF-SVD)的去噪方法,并将其与EMMD相结合,建立了一种新的故障特征提取方法.实验结果表明:该方法能够有效、准确地提取旋转机械滚动轴承内圈损伤的故障特征,有着良好运算速度和精确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	萨其日拉	东北石油大学石油工程学院	2	2	1.0	1.0