EEMD-SVD方法及其在高速列车滚动轴承故障诊断中的应用

• 作者: 张兵 谭翠 黄晨光
• 来源期刊: 佳木斯大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 聚合经验模态分解 奇异值分解 包络解调 轴承故障诊断
• 年，卷（期）: 2017,（4）
• 页码范围: 571-576
• 页数: 6页
• 分类号: U270.7
• 字数: 3978字
• 语种: 中文

摘要

结合聚合经验模态分解(Ensemble empirical model decomposition,EEMD)优秀的非平稳信号分解能力和奇异值分解(Singular value decomposition,SVD)的强去噪能力,提出了一种高速列车滚动轴承故障检测的新方法.该方法是应用EEMD对轴承轴箱位置的振动信号分解得到基本模式分量(Intrinsic Mode Function,IMF),对IMF矩阵做SVD得到正交化结果,分别利用各奇异值重构信号,应用各特征信号的Hilbert包络解调处理得到的包络谱诊断轴承故障类型.利用仿真信号数据和人工伤轴承试验数据对该方法进行验证,结果表明,该方法能有效提取轴承的故障特征信息,特征波形清晰准确,相比传统EEMD方法,在强噪声干扰时故障特征的诊断能力得到了显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张兵	西南交通大学牵引动力国家重点实验室	44	190	7.0	11.0
2	黄晨光	西南交通大学牵引动力国家重点实验室	12	40	4.0	6.0
3	谭翠	西南交通大学牵引动力国家重点实验室	1	1	1.0	1.0