CEEMD和MCKD的滚动轴承早期故障特征提取

• 作者: 张家玮 张超 杨斌 王建国
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 滚动轴承 故障诊断 互补集合经验模态分解 最大相关峭度解卷积
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 精密制造与加工
• 页码范围: 1936-1943
• 页数: 8页
• 分类号: TH17
• 字数: 3856字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.20180086

摘要

当滚动轴承处于早期故障阶段的时候,受环境噪声和信号衰减的影响,滚动轴承振动信号特征频率成分难以精确提取,并且在信噪比较低时CEEMD不能很好提取微弱故障.针对上述问题,提出了基于互补集合经验模态分解(Complementary ensemble empirical mode decomposition,CEEMD)和最大相关峭度解卷积(Maxim correlated kurtosis deconvolution,MCKD)相结合的故障特征提取方法(CEEMD-MCKD).两种方法的结合有效解决了CEEMD分解后无法提取出淹没在背景噪声中微弱信号特征的问题,又保持了信号的完备性,避免了有用信息的损失.通过仿真和试验验证了该方法的有效性及优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建国	内蒙古科技大学机械工程学院	112	350	8.0	11.0
2	张超	内蒙古科技大学机械工程学院	63	448	11.0	20.0
3	杨斌	内蒙古科技大学机械工程学院	11	10	2.0	2.0
4	张家玮	内蒙古科技大学机械工程学院	6	4	1.0	2.0