基于LMD与MCKD的滚动轴承早期故障诊断方法

被引：9

作者：

李煌

孟恩隆

王灵梅

段震清

机构：

[1] 山西大学山西省风电机组监测与诊断工程技术研究中心

来源：

噪声与振动控制 | 2018年 / 38卷 / 04期

关键词：

振动与波; 滚动轴承; 早期故障诊断; LMD; MCKD;

D O I：

暂无

中图分类号：

TH133.33 [滚动轴承];

学科分类号：

082805 [农业机械化与装备工程];

摘要：

当滚动轴承出现早期故障时,其故障特征信号微弱,且环境噪声较大,因此其早期故障特征一般难以提取。针对上述问题,提出基于LMD与MCKD的滚动轴承早期故障诊断方法。为了克服局部均值分解(LMD)在早期故障诊断中易受噪声影响的不足,该方法对其包含故障信号大部分能量的前4个乘积函数(product function,PF)分量进行最大相关峭度解卷积(MCKD),突出轴承信号中淹没在噪声信号中的周期脉冲成分,最后再对其进行包络解调,便可得到轴承故障特征频率,进而对滚动轴承早期微弱故障进行诊断。实验信号验证了该方法的有效性。

引用

页码：186 / 191

页数：6

共 10 条

[1]

基于独立分量分析的机械故障特征提取及分类方法研究 [D].

陈建国 .

大连理工大学,

2011

[2]

Maximum correlated Kurtosis deconvolution and application on gear tooth chip fault detection.[J].Geoff L. McDonald;Qing Zhao;Ming J. Zuo.Mechanical Systems and Signal Processing.2012,

[3]

A rotating machinery fault diagnosis method based on local mean decomposition.[J].Junsheng Cheng;Yi Yang;Yu Yang.Digital Signal Processing.2011, 2

[4]

A Comparative Study on the Local Mean Decomposition and Empirical Mode Decomposition and Their Applications to Rotating Machinery Health Diagnosis [J].

Wang, Yanxue ;

He, Zhengjia ;

Zi, Yanyang .

JOURNAL OF VIBRATION AND ACOUSTICS-TRANSACTIONS OF THE ASME, 2010, 132 (02) :0210101-02101010

[5]

The local mean decomposition and its application to EEG perception data [J].

Smith, JS .

JOURNAL OF THE ROYAL SOCIETY INTERFACE, 2005, 2 (05) :443-454

[6]

Wavelet filter-based weak signature detection method and its application on rolling element bearing prognostics.[J].Hai Qiu;Jay Lee;Jing Lin;Gang Yu.Journal of Sound and Vibration.2005, 4

[7]

基于改进多尺度熵与VPMCD的滚动轴承故障诊断 [J].