ELMD和MCKD在滚动轴承早期故障诊断中的应用

• 作者: 任学平 孙百祎 庞震 王建国 王朝阁
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 滚动轴承 总体局部均值分解 最大相关峭度反褶积 Hilbert包络谱 早期故障
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 仪器、仪表科学与技术
• 页码范围: 1764-1770
• 页数: 7页
• 分类号: TH165|TH133.33|TP206
• 字数: 3657字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.2017.1121

摘要

针对滚动轴承早期故障特征信号微弱且受环境噪声影响严重,故障特征信息难以识别的问题,提出了基于总体局部均值分解(Ensemble local mean decomposition,ELMD)和最大相关峭度反褶积(Maximum correlated kurtosis deconvolution,MCKD)的早期故障诊断方法.该方法首先运用ELMD对采集到的振动信号进行分解,得到有限个乘积函数(Product function,PF),由于噪声的干扰,从PF分量的频谱中很难对故障做出正确的判断.然后对包含故障特征的PF分量进行最大相关峭度反褶积处理以消除噪声影响,凸现故障特征信息.最后对降噪信号进行Hilbert包络谱分析,即可从中准确地识别出轴承的故障特征频率.通过轴承故障模拟实验和工程应用实例验证了该方法的有效性与优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任学平	内蒙古科技大学机械工程学院	132	377	9.0	11.0
2	王建国	内蒙古科技大学机械工程学院	112	350	8.0	11.0
3	王朝阁	内蒙古科技大学机械工程学院	18	88	6.0	8.0
4	庞震	内蒙古科技大学机械工程学院	12	60	6.0	7.0
5	孙百祎	山东交通职业学院泰山校区机电系	5	3	1.0	1.0