基于MCKD与CEEMDAN的声信号故障特征提取方法

• 作者: 唐刚 宋浏阳 王华庆 申博文
• 来源期刊: 复旦学报（自然科学版）
• 学科: 工学
• 关键词: 故障诊断 最大相关峭度解卷积 自适应噪声完备集合经验模态分解 Hilbert包络谱 声音信号
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 研究论文
• 页码范围: 385-392,400
• 页数: 9页
• 分类号: TH165+.3
• 字数: 2850字
• 语种: 中文

摘要

在双转子轴承状态监测与故障诊断中,信号传递路径复杂,很难通过加速度传感器直接获得信号,而声音信号有非接触式测量的优势,包含大量特征信息.为了能够准确、有效地通过声音信号实现滚动轴承故障诊断,检测出轴承故障,提出了基于自适应噪声完备集合经验模态分解(CEEMDAN)和最大相关峭度解卷积(MCKD)的滚动轴承故障诊断方法.首先运用最大相关峭度解卷积方法增强轴承故障声音信号中的冲击,然后对处理后的信号进行CEEMDAN处理,计算每个经验模态分量的峭度值,根据峭度值选取最优分量并求Hilbert包络谱,以准确提取故障特征频率.文中采用该方法基于声音信号实现滚动轴承故障诊断,为提取最优分量提供了理想筛选标准,一定程度上降低了故障诊断的复杂程度,具有良好的自适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王华庆	北京化工大学机电工程学院	44	151	7.0	10.0
2	宋浏阳	北京化工大学机电工程学院	6	8	2.0	2.0
3	唐刚	北京化工大学机电工程学院	9	9	2.0	3.0
4	申博文	北京化工大学机电工程学院	1	1	1.0	1.0