基于MS-EEMD的滚动轴承微弱故障提取研究

• 作者: 吴文轩 寇彦飞 张纪平 王志坚 王日俊
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 振动与波 强噪声 掩膜法 总体平均经验模态分解 故障诊断
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 152-156
• 页数: 5页
• 分类号: TP17|TP206
• 字数: 2348字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2018.03.029

摘要

在实际工况下,轴承的早期故障信号与强噪声信号相比属于微弱信号,而轴承的早期故障特征从强噪声环境中提取出来一直是故障诊断课题的一大难点.基于上述问题,提出一种基于MS(Mask Signal)和EEMD(Ensemble Empirical Mode Decomposition)方法的滚动轴承微弱故障提取方法.由于EEMD方法在噪声背景下分解出的IMF分量存在模态混叠现象,很难辨别故障频率的真伪,所以引入掩膜信号法对分解出的IMF分量进行处理,抑制虚假频率,将故障频率提取出来.通过将掩膜信号法与EEMD方法相结合的方式,对存在噪声的故障信号进行处理,提取出故障特征.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王日俊	中北大学机械工程学院	20	35	4.0	4.0
2	张纪平	中北大学机械工程学院	35	55	5.0	7.0
3	寇彦飞	中北大学机械工程学院	17	30	3.0	4.0
4	王志坚	中北大学机械工程学院	25	55	4.0	6.0
5	吴文轩	中北大学机械工程学院	11	27	3.0	5.0