EEMD和优化的频带熵应用于轴承故障特征提取

作     者：李华 刘韬 伍星 陈庆 LI Hua;LIU Tao;WU Xing;CHEN Qing

作者机构：昆明理工大学机电工程学院云南昆明650500 

基　　金：国家重点研发计划(2018YFB1306103) 国家自然科学基金资助项目(51875272,51675251) 云南省基础研究重点项目(2017FA02) 

出 版 物：《振动工程学报》 (Journal of Vibration Engineering)

年 卷 期：2020年第33卷第2期

页      码：414-423页

摘      要：针对滚动轴承早期故障特征提取困难的问题,提出了将集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和优化的频带熵(OFBE)相结合的轴承故障特征提取方法。针对EEMD的多个本征模态分量(Intrinsic Mode Function,IMF),如何选出更能反映故障特征的敏感IMF的问题,提出一种基于频带熵的敏感IMF的选取方法。首先,对原始振动信号进行EEMD分解,获得一系列IMFs;然后,对原信号和各个IMF分量求频带熵,在熵值最小处设计带通滤波器带宽作为特征频带,比较各个IMF的特征频带与原信号熵最小值所处频带之间的从属关系,进而选出反映故障特征的敏感IMF。由于背景噪声的影响,从选取的IMF中难以准确地得到故障频率。因此,利用FBE在选取IMF的基础上设计的带通滤波器,并提出利用包络峭度最大值原则优化带宽,然后对其进行带通滤波,并进行包络功率谱分析以提取故障特征频率。将该方法应用到轴承仿真数据和实际数据中,能够实现轴承故障特征的精确诊断,证明了该方法的有效性和优势。

主 题 词：故障诊断 滚动轴承 集合经验模态分解 频带熵 包络峭度 

学科分类：1002[医学-临床医学类] 080202[080202] 08[工学] 080203[080203] 0805[工学-能源动力学] 0813[工学-化工与制药类] 0802[工学-机械学] 0814[工学-地质类] 0825[工学-环境科学与工程类] 0801[工学-力学类] 0702[理学-物理学类] 080201[080201] 

核心收录：

D　O　I：10.16385/j.cnki.issn.1004-4523.2020.02.022

馆 藏 号：203923021...