基于集合經(jīng)驗模態(tài)分析的滾動軸承故障特征提取.pdf

1、旋轉機械是機械故障診斷的重點,而許多旋轉機械的故障都和軸承相關。當軸承出現(xiàn)故障問題,嚴重時則會影響到整臺機械的運行,所以對其進行故障診斷是非常有必要,且具有現(xiàn)實意義。
　　本論文的研究是基于振動信號的軸承故障診斷。當軸承出現(xiàn)故障時,會產(chǎn)生周期沖擊脈沖信號,然后從振動信號中提取故障特征值,從而作為判斷軸承故障的依據(jù)。
　　先用無量綱幅值域診斷參數(shù)對軸承進行初步診斷,來確定是否存在故障,隨后采用包絡分析對采集的信號進行解調,得到

2、包絡信號(時域信號),然后經(jīng)過傅里葉變換(FFT)得到頻譜,從而可以直接提取故障特征頻率。但對于實際測得的信號,往往都含有較大的噪聲,所以包絡分析就不能夠有效地解調出故障特征頻率。因此我們需要對采集的信號進行處理,EMD是對非線性、非平穩(wěn)信號處理的時頻分析方法。但EMD存在模態(tài)混疊問題,為了抑制模態(tài)混疊,Huang等提出集合經(jīng)驗模式分解(Ensemble Empirical Mode Decomposition,EEMD),利用高斯白噪

3、聲的特點,能夠很好地還原信號的本質,是對EMD算法的重大改進。
　　在較大的背景噪聲中,對旋轉機械進行監(jiān)測,包絡分析從測得的振動信號中不能解調出故障,旋轉機械的振動信號具有非平穩(wěn)、非線性特點,提出一種新的滾動軸承故障診斷方法—基于EEMD和包絡分析的故障特征值提取方法。此方法原理是:利用EEMD將振動信號分解成有限個本征模態(tài)分量和殘余量,然后對這些分量進行包絡分析,從而可以解調出故障頻率。為了驗證此方法的可行性,本文分別通過對仿真