MED与GMCP稀疏增强信号分解在滚动轴承故障诊断中的应用

• 作者: 吕勇 肖凌俊 袁锐
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 滚动轴承 凹惩罚 最小熵解卷积 特征提取 信号分析
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 机械动力学
• 页码范围: 165-173
• 页数: 9页
• 分类号: TH165+.3
• 字数: 4327字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.20190111

摘要

提出了基于最小熵解卷积(MED)和广义极大极小凹惩罚(GMCP)稀疏增强信号分解的滚动轴承故障诊断的方法.首先引入均方根误差(RMSE)对GMCP能有效保留周期冲击的优势进行定量分析,然后将MED能突出冲击的优势与GMCP结合起来应用到滚动轴承的故障诊断中,该方法能够有效地将设备振动信号的噪声和干扰频率从中分离出来,较完整地保留周期冲击频率,对滚动轴承的故障诊断非常有效,而且在故障特征频谱的识别上同样具有优势.仿真和实验证明了该方法在滚动轴承故障诊断领域的竞争力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕勇	武汉科技大学冶金装备及其控制教育部重点实验室	92	605	14.0	19.0
5	袁锐	武汉科技大学冶金装备及其控制教育部重点实验室	7	9	2.0	3.0
9	肖凌俊	武汉科技大学冶金装备及其控制教育部重点实验室	4	2	1.0	1.0