基于EMD分解和奇异值差分谱理论的轴承故障诊断方法

被引：79

作者：

张超 ^{[1
,2
]}

陈建军 ^{[1
]}

徐亚兰 ^{[1
]}

机构：

[1] 西安电子科技大学机电工程学院

[2] 内蒙古科技大学信息工程学院

来源：

振动工程学报 | 2011年 / 24卷 / 05期

关键词：

轴承; 故障诊断; 经验模态分解; Hankel矩阵; 奇异值差分谱;

D O I：

10.16385/j.cnki.issn.1004-4523.2011.05.005

中图分类号：

TH165.3 [];

学科分类号：

摘要：

针对故障轴承振动信号中含有强烈的背景噪声,难以提取故障频率的现实情况,提出了基于经验模态分解(Empirical Mode Decomposition,EMD)和奇异值差分谱的轴承故障诊断方法。首先通过EMD方法将非平稳的原始轴承振动信号分解成若干个平稳的本征模函数(Intrinsic Mode Function,IMF);由于背景噪声的影响,从各个IMF的频谱中难以准确地得到故障频率。对IMF分量构建Hankel矩阵并进行奇异值分解,进一步找到奇异值差分谱,根据奇异值差分谱理论对某个IMF分量进行消噪和重构,然后再求其频谱,便能准确地得到故障频率。实验结果表明,提出的方法能有效地应用于轴承的故障诊断。

引用

页码：539 / 545

页数：7

共 9 条

[1] 基于EMD能量熵和支持向量机的齿轮故障诊断方法 [J].

张超 ;

陈建军 ;

郭迅 .

振动与冲击, 2010, 29 (10) :216-220+261

[2] 奇异值差分谱理论及其在车床主轴箱故障诊断中的应用 [J].

赵学智 ;

叶邦彦 ;

陈统坚 .

机械工程学报, 2010, 46 (01) :100-108

[3] 总体平均经验模式分解与1.5维谱方法的研究 [J].

陈略 ;

訾艳阳 ;

何正嘉 ;

成玮 .

西安交通大学学报, 2009, (05) :94-98

[4] 基于第二代小波的复合故障诊断方法研究 [J].

崔玲丽 ;

高立新 ;

殷海晨 ;

胥永刚 .

中国机械工程, 2009, 20 (04) :442-446

[5] 噪声背景下检测突变信息的奇异值分解技术 [J].

何田 ;

刘献栋 ;

李其汉 .

振动工程学报, 2006, (03) :399-403

[6] 基于EMD与神经网络的滚动轴承故障诊断方法 [J].

杨宇 ;

于德介 ;

程军圣 .

振动与冲击, 2005, (01) :87-90+138-139

[7] 机械信号奇异熵研究 [J].

杨文献 ;

姜节胜 .

机械工程学报, 2000, (12) :9-13

[8] 基于奇异谱的降噪方法及其在故障诊断技术中的应用 [J].

吕志民 ;

张武军 ;

徐金梧 ;

翟绪圣 .

机械工程学报, 1999, (03) :86-89

[9]

A comparison study of improved Hilbert–Huang transform and wavelet transform: Application to fault diagnosis for rolling bearing[J] . Z.K. Peng,Peter W. Tse,F.L. Chu.Mechanical Systems and Signal Processing . 2005 (5)

← 1 →