基于改进EEMD的滚动轴承故障诊断研究  

Fault diagnosis of rolling element bearing based on improved ensemble empirical mode decomposition

作　　者：岳晓峰[1] 邵海贺 

机构地区：[1]长春工业大学机电工程学院,长春130012

出　　处：《制造业自动化》2015年第17期80-82,113,共4页Manufacturing Automation

基　　金：吉林省科技厅基金资助项目(20110303)

摘　　要：滚动轴承的故障信号具有非平稳性、非线性等特点,在经验模态分解过程中会出现模式混叠现象。集合经验模态分解算法(EEMD)是在原始信号中引入随机高斯白噪声序列,改变信号的局部时间跨度,可以有效抑制常规经验模态分解过程中产生的模式混叠现象。在研究EEMD原理的基础上,引入白噪声的幅值标准差准则来选择EEMD参数,并且对分解得到的所有的固有模态函数(IMF)分量通过相关系数法提取有效本征模态分量,再对提取的有效本征模态函数分量阀值处理后进行重构。通过Hilbert变换对重构信号进行包络谱分析,提取滚动轴承的故障特征。轴承故障信号实验结果表明,EEMD方法可以有效应用于滚动轴承的故障诊断中。

关 键 词：集合经验模式分解 模式混叠 包络谱 故障诊断 

分 类 号：TN911.6[电子电信—通信与信息系统] TH165.3[电子电信—信息与通信工程]