文献类型：期刊文章

作　　者：隋文涛[1] 张丹[2] Wilson Wang[3]

机构地区：[1]山东理工大学机械工程学院,山东淄博255049 [2]山东理工大学电气与电子工程学院,山东淄博255049 [3]加拿大湖首大学机械工程系

出　　处：《振动与冲击》

基　　金：国家自然科学基金(51105236);山东省自然科学基金(ZR2012EEL06)

年　　份：2015

卷　　号：34

期　　号：9

起止页码：55-59

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20152400928212)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对滚动轴承早期微弱故障特征难以提取的问题,提出基于经验模态分解(Empirical Mode Decomposition,EMD)与最大峭度解卷积(Maximum Kurtosis Deconvolution,MKD)的滚动轴承故障特征提取方法。利用EMD方法分解振动信号得到一组固有模态分量(Intrinsic Mode Function,IMF),然后根据时域峭度和包络谱峭度,筛选出敏感IMF分量进行信号重构。然后对重构信号进行最大峭度解卷积处理以增强故障信息,最后得到包络功率谱,从而获得轴承故障特征频率信息。通过实验台信号验证了所述方法的有效性及优点。

关 键 词：经验模态分解 最大峭度解卷积  故障诊断 滚动轴承

分 类 号：TP206]