基于EEMD-JADE的滚动轴承故障诊断分析

• 作者: 汪径直 罗来路
• 来源期刊: 机械研究与应用
• 关键词: 滚动轴承 集合经验模态分解 盲源分离 故障诊断
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 研究与试验
• 页码范围: 19-23
• 页数: 5页
• 分类号: TH133
• 语种: 中文
• DOI: 10.16576/j.cnki.1007-4414.2019.03.06

摘要

滚动轴承故障信号特征往往受背景噪声影响而难以准确提取,集合经验模式分解能将源信号有效分解出具有真实物理意义的本征模态分量,提高故障特征的诊断精度,盲源分离技术能够分离故障信号进而提取故障特征.将集合经验模态分解与盲源分离技术相结合,通过相关系数的计算和敏感因子的数值判断合理选用源信号的分量,构建出噪声信号,再通过盲源分离技术,分离噪声信号.仿真分析和实验表明,此方法可以成功的分离出典型的轴承故障特征,可有效提高轴承故障诊断效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗来路		1	0	0.0	0.0
2	汪径直		1	0	0.0	0.0