文献类型：期刊文章

作　　者：王宏超[1] 陈进[1] 董广明[1]

机构地区：[1]上海交通大学机械系统与振动国家重点实验室,上海200240

出　　处：《机械工程学报》

基　　金：国家自然科学基金资助项目(51035007;51175239;5110543)

年　　份：2013

卷　　号：49

期　　号：1

起止页码：88-94

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号：20130916060772)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：受环境噪声及信号衰减的影响,强背景噪声下的滚动轴承故障特征往往表现得非常微弱。滚动轴承的微弱故障特征提取一直是难点。稀疏分解在滚动轴承的故障特征提取中已经取得一定的应用。但其在强背景噪声干扰下滚动轴承微弱信号故障的特征提取效果并不明显。将最小熵解卷积(Minimum entropy deconvolution,MED)与稀疏分解相结合用于滚动轴承的微弱故障特征提取。用MED对强噪声滚动轴承信号进行降噪处理,对降噪后的信号进行稀疏分解和故障特征提取,取得了较好的效果。通过仿真和试验验证了所述方法的有效性及优点。

关 键 词：最小熵解卷积  稀疏分解 滚动轴承 微弱故障  特征提取

分 类 号：TP206]