论文摘要
为充分利用振动信号进行故障辨识,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)奇异值熵判据的滚动轴承故障诊断方法。首先,对滚动轴承的振动信号进行EEMD分解获得若干个本征模态函数(intrinsic mode function,简称IMF),并根据一种IMF分量故障信息含量的评价指标(即峭度、均方差和欧氏距离)选出能够表征原始信号状态的分量进行信号重构;其次,利用奇异值分解技术对重构信号进行处理,结合信息熵算法求取其奇异值熵;最后,利用奇异值熵的大小判断滚动轴承的故障类别。用美国西储大学滚动轴承振动信号对所述方法进行验证的结果表明,相比传统的EMD奇异值熵故障诊断方法,本方法能够清晰的划分出滚动轴承不同工作状态的类别特征区间,而且具有更高的故障诊断精度。
论文目录
文章来源
类型: 期刊论文
作者: 张琛,赵荣珍,邓林峰
关键词: 滚动轴承,集合经验模态分解,奇异值熵,故障诊断
来源: 振动.测试与诊断 2019年02期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 机械工业
单位: 兰州理工大学机电工程学院
基金: 国家重点研发计划资助项目(2016YFF0203303-04),国家自然科学基金联合资助项目(51675253)
分类号: TH133.33
DOI: 10.16450/j.cnki.issn.1004-6801.2019.02.019
页码: 353-358+446-447
总页数: 8
文件大小: 511K
下载量: 595
相关论文文献
标签：滚动轴承论文; 集合经验模态分解论文; 奇异值熵论文; 故障诊断论文;