轴承振动信号的去趋势分析和故障特征提取方法研究
来源期刊:机械设计与制造2018年第12期
论文作者:田锐
文章页码:100 - 104
关键词:互补集合经验模式分解;去趋势波动分析;小波分析;故障诊断;
摘 要:针对传统经验模式分解(EMD)确定含噪模式分量缺乏具体评价指标的问题,首先利用互补集合经验模式分解(CEEMD)将故障信号分解,然后利用去趋势波动分析(DFA)计算每一个模式分量对应的标度指数,有用分量和含噪分量通过标度指数的幅值阈值进行区分,最后小波分析用于对识别出的高频含噪分量进行降噪处理,其目的是最大程度地保留高频模式分量中的故障信息,实现信号的自适应降噪。通过对轴承故障信号和数值仿真信号的分析结果表明:提出的方法能够更好地识别和提取轴承的故障特征。
田锐
荆楚理工学院
摘 要:针对传统经验模式分解(EMD)确定含噪模式分量缺乏具体评价指标的问题,首先利用互补集合经验模式分解(CEEMD)将故障信号分解,然后利用去趋势波动分析(DFA)计算每一个模式分量对应的标度指数,有用分量和含噪分量通过标度指数的幅值阈值进行区分,最后小波分析用于对识别出的高频含噪分量进行降噪处理,其目的是最大程度地保留高频模式分量中的故障信息,实现信号的自适应降噪。通过对轴承故障信号和数值仿真信号的分析结果表明:提出的方法能够更好地识别和提取轴承的故障特征。
关键词:互补集合经验模式分解;去趋势波动分析;小波分析;故障诊断;