基于SVD-MEEMD与Teager能量谱的 滚动轴承微弱故障特征提取

• 作者: 孙泽金 杨超 赵荣珍
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 故障诊断 微弱故障 特征提取 奇异值分解 改进的集总经验模态分解 Teager能量谱
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 92-97
• 页数: 6页
• 分类号: TP165+.3|TH133.3
• 字数: 4484字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2020.04.017

摘要

针对滚动轴承早期微弱故障特征难以提取的问题,提出一种基于奇异值分解(Singular Value Decomposi-tion,SVD)、改进的集总经验模态分解(Modified Ensemble EMD,MEEMD)和Teager能量谱的滚动轴承微弱故障特征提取方法.该方法首先采用Hankel矩阵理论对滚动轴承的故障信号进行相空间重构得到重构矩阵,并根据奇异值差分谱理论对重构矩阵进行SVD处理,实现信号的初步降噪;其次,对降噪后的信号进行MEEMD分解得到一组本征模态分量(Intrinsic Mode Function,IMF)和一个余量,依据峭度-相关系数规则选取出一个冲击特征敏感的IMF分量,计算其Teager能量算子;最后,通过分析能量谱图实现对滚动轴承微弱故障的模式辨识.采用美国西储大学的滚动轴承故障数据对所提方法进行验证,并与其它模式的组合方法进行比较.结果表明,该方法具有良好的降噪效果和敏感特征筛选能力,从而能更准确提取出滚动轴承早期故障频率,实现故障类型的准确辨识.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵荣珍	兰州理工大学机电工程学院	117	796	16.0	23.0
2	孙泽金	兰州理工大学机电工程学院	3	0	0.0	0.0
3	杨超	兰州理工大学机电工程学院	6	6	2.0	2.0