基于MED-RSSD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 秦波
• 来源期刊: 机械传动
• 关键词: 滚动轴承 故障诊断 最小熵反褶积 共振稀疏分解
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 试验分析
• 页码范围: 120-124,128
• 页数: 6页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2018.06.025

摘要

滚动轴承出现早期故障时,因为背景噪声的影响,故障信号非常微弱,故障信息难以提取,为了能有效检测出轴承故障,提出了最小熵反褶积(Minimum entropy deconvolution,MED)与共振稀疏分解(Resonance sparse signal decomposition,RSSD)相结合的诊断方法.首先,运用最小熵反褶积对含有噪声的轴承故障振动信号进行降噪处理;然后,对处理后的信号进行共振稀疏分解,将信号分解成包含谐波信号的高共振分量与包含瞬态冲击信号的低共振分量;最后,将低共振分量进行包络功率谱分析提取故障特征频率.通过信号仿真和实验处理,表明该方法对微弱故障特征提取具有较好的适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建国		112	350	8.0	11.0
2	秦波		46	199	7.0	12.0
3	张超		63	448	11.0	20.0
4	杨斌		11	10	2.0	2.0
5	张家玮		6	4	1.0	2.0