文献类型：期刊文章

作　　者：张健[1] 张子阳[1] 起雪梅[1] 刘小英[2]

ZHANG Jian;ZHANG Zi-yang;QI Xue-mei;LIU Xiao-ying(School of Transportation and Automobile Engineering,Panzhihua University,Panzhihua 617000;School of Mathematics and Computer Science,Panzhihua University,Panzhihua 617000)

机构地区：[1]攀枝花学院交通与汽车工程学院,四川攀枝花617000 [2]攀枝花学院数学与计算机学院,四川攀枝花617000

出　　处：《机械设计》

基　　金：攀枝花学院科研项目(2016YB004).

年　　份：2019

卷　　号：36

期　　号：S02

起止页码：91-94

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：根据滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种不同类别的振动信号,给出了基于经验模态分解(Empirical Mode Decomposition,EMD)和变量预测模型(Variable Predictive Model Based Class Discriminate,VPMCD)的滚动轴承故障诊断方法。首先,使用EMD方法自适应地将滚动轴承振动信号分解为若干IMF(Intrinsic Mode Function,IMF),对前几个包含滚动轴承主要故障信息的IMF分量求包络谱,并提取故障特征频率处的幅值组成故障特征向量;然后,采用VPMCD分类器进行故障识别和分类。试验仿真分析结果表明,应用该方法对20×4个测试样本进行分析,80个样本均被成功识别,达到了试验研究预期的故障类型识别准确度。

关 键 词：EMD VPMCD  故障诊断 滚动轴承

分 类 号：TH133.33]