基于EEMD和小波包变换的早期故障敏感特征获取

被引：55

作者：

王红军 ^{[1
,2
]}

万鹏 ^{[1
,2
]}

机构：

[1] 北京信息科技大学教育部现代测控技术重点实验室

[2] 北京信息科技大学机电工程学院

来源：

北京理工大学学报 | 2013年 / 33卷 / 09期

基金：

北京市自然科学基金;

关键词：

早期故障; 特征获取; 总体平均经验模态分解; 小波包;

D O I：

10.15918/j.tbit1001-0645.2013.09.008

中图分类号：

TN911.7 [信号处理];

学科分类号：

081002 [信号与信息处理];

摘要：

提出一种基于总体平均经验模态分解和小波包变换的方法,进行早期故障敏感特征的获取,构建早期故障诊断模型.该方法首先应用EEMD对现场采集的振动信号进行分解,分离出不同频率成分的特征信号,选择与原信号相关系数最大的IMF分量进行信息重构;面向重构的IMF分量采用WPT进行分解,得到各个节点的小波系数;最后使用Hilbert变换提取小波包系数的包络,计算功率谱,准确获得早期故障的敏感特征.通过对仿真信号的分析验证了该方法对故障诊断的有效性.将该方法应用于实测的滚动轴承的内圈、外圈和滚动体故障诊断,诊断结果均表明该方法可有效提取早期故障敏感特征,故障诊断快速准确.

引用

页码：945 / 950

页数：6

共 6 条

[1]

基于EMMD分解的滚动轴承故障诊断 [J].