期刊文章详细信息
基于集成经验模态分解和峭度准则的滚动轴承故障特征提取方法 ( EI收录)
Rolling Bearing Fault Feature Extraction Method Based on Ensemble Empirical Mode Decomposition and Kurtosis Criterion
文献类型:期刊文章
机构地区:[1]华北电力大学机械工程系,河北省保定市071003
基 金:国家自然科学基金项目(11072078);中央高校基本科研业务费专项资金资助~~
年 份:2012
卷 号:32
期 号:11
起止页码:106-111
语 种:中文
收录情况:AJ、BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊
摘 要:为实现滚动轴承故障的精确诊断,提出一种基于集成经验模态分解(ensemble empirical mode decomposition,EEMD)与峭度准则的包络解调方法。该方法首先利用EEMD将振动信号分解,然后利用峭度最大准则选取EEMD分解后的本征模函数(intrinsic mode function,IMF),将该本征模函数进行包络解调从而获得滚动轴承的故障特征信息。该方法可以有效抑制经验模态分解(empirical mode decomposition,EMD)中的模态混叠问题,同时还避免了共振解调方法中中心频率及滤波频带的选取,具有良好的自适应性。利用该包络解调方法对实际滚动轴承发生内圈、外圈故障进行了分析,证明了该方法可以有效地提取滚动轴承故障特征信息,能够实现滚动轴承故障的精确诊断。
关 键 词:集成经验模态分解 峭度 滚动轴承 包络解调 故障诊断
分 类 号:TH17] TP206]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...